利用pandas读取txt文件，先转为csv文件，加入列名后统计某一列各个值出现的次数

最近在网上找了一个数据集，原始数据为txt文件，就想着利用pandas将txt文件转为csv文件，然后给csv文件加上列名之后统计第二列中各个值出现的次数

首先是将txt文件转为csv文件，代码如下：

import csv
out = open('file_list.csv','w',newline='')
csv_writer=csv.writer(out,dialect='excel')

f = open('file_list.txt',"r",encoding='utf-8')
for line in f.readlines():
    line=line.replace(',','\t')
    list=line.split()
    csv_writer.writerow(list)

此时，在读取txt文件时，一定要加上encoding='utf-8',要不然就会报错，属于编码格式错误。

运行，输出成功，但是csv文件中没有列名，于是利用pandas给csv文件加入列名，代码如下：

import pandas as pd
df = pd.read_csv('file_list.csv',header=None,encoding='gb18030')
df.columns=["id","key","html_id","html"]
df.to_csv('file.csv',encoding='utf-8',index=False)

此时的encoding要赋值为gb18030，也是编码格式的问题，不加的话会报错：error：UnicodeDecodeError: 'utf-8' codec can't decode byte 0xa1 in position 0

运行成功之后file.csv文件已经加入了列名，接着是统计第二列也就是key中各个值出现的次数，发现有三个值，为n、p、d三个，统计数量，代码如下：

import pandas as pd

list_data=[]
df =pd.read_csv('file.csv',encoding='utf-8')
df2 = df.key.value_counts()
print(df2)

最后可以统计出来n、p、d三个值的数量也就是次数。此处也要注意编码格式的错误。如果想清楚这些编码格式，可以去网上搜索了解，很容易搜到。