python读取txt文件为dataframe_使用 python Pandas dataframe导出格式化文本文件,_others_酷徒编程知识库...

我在Win 7上使用Python 2.7.7 Pandas,把数据导出一个csv,我尝试使用以下方法格式化其中一个列:df_fg['Mem']=df_fg['Mem'].map('{:5d}'.format)

这允许我单独设置每一列的格式,

问题是,当我使用这种格式时,我无法输出空格分隔的文件,以下是我尝试编写文本文件的各种方法:df_fg.to_csv('t.txt',index = False)

df_fg.to_csv('t.txt',index = False,sep= ' ')

在文本文件中生成格式化文本,但是列中的每个元素都用双引号括起来了。 我得到了" 1"

" 1"

我试图将数据帧写入字符串,我使用诸如df_g ['Mem'] =df_g ['Mem'] .map('{:4d}'.format ) 之类的命令来格式化数据帧中的每一列。df_g['Date1']=df_g['Date1'].map('{:12s}'.format)

我使用dataframe string命令编写了dataframe ,f2 = open('2.txt','w')

s=df_g.to_string(justify='right',index = False)

f2.write(s)

f2.close()

df_g['Date1']=df_g['Date1'].map('{:12s}'.format)

1 , 26/04/2015 ,09:19:07 ,more-text ,-1600.00 ,

我仍然无法找到dataframe.to_string输出格式化字符串的方法。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 可以使用pandas库中的read_csv函数来读取txt文件并转换为dataframe。 示例代码如下: ```python import pandas as pd # 读取txt文件 df = pd.read_csv('file.txt', sep='\t') # 打印dataframe print(df) ``` 其中,read_csv函数的第一个参数为txt文件的路径,sep参数指定了txt文件中的分隔符,可以根据实际情况进行修改。读取完成后,可以使用print函数打印dataframe。 ### 回答2: Python是一种广泛使用编程语言,在数据处理和分析方面有很强的功能支持。其中,PandasPython中最常用的数据处理库之一,它提供的dataframe数据结构可以高效地存储和处理大量数据。同时,Python也提供了很多文件操作的功能,包括读取和写入文本文件。 下面将介绍如何使用Python读取txt文件dataframe。 首先,需要使用Pandas库中的read_csv函数来读取txt文件。这个函数可以读取各种文本文件,而不仅仅是CSV格式。然后,需要指定文本文件文件路径和其他参数,如数据分隔符。下面是一个简单的例子: import pandas as pd data = pd.read_csv('path/to/file.txt', delimiter='\t') 此代码将读取名为“ file.txt”的文本文件,并将其存储在名为“ data”的dataframe中。这里delimiter参数指定了数据分隔符,这里使用的是制表符。 但是,在读取txt文件时,还需要注意以下几点: 1. 文件编码:txt文件的编码通常是UTF-8或者ASCII编码,需要指定正确的编码才能正确读取文本内容。可以使用encoding参数指定文件编码,如:“utf-8”,“gbk”等。 2. 数据分隔符:每行数据之间需要有分隔符,通常使用逗号,制表符或空格作为分隔符。这里需要根据实际情况指定正确的分隔符。 3. 数据类型:有时候需要将读取文本文件转换为数值或其他数据类型。可以使用dtype参数指定每一列的数据类型,如“int32”,“float64”等。 4. 文件路径:需要指定正确的文件路径,可以使用绝对路径或相对路径。 综上所述,通过调用Pandas库中的读取文本文件的函数,我们可以很方便地读取txt文件dataframe,实现数据分析和处理的功能。 ### 回答3: Python是一种广泛使用的高级编程语言,不仅易学易用,而且具有强大的数据处理能力,可以对多种数据进行高效处理。其中,PandasPython中一个非常流行的数据分析库,可以进行数据读取、数据清洗、数据预处理、数据分析、数据可视等操作。 Python读取txt文件dataframe的方法如下: 首先,需要导入Pandas库: ```python import pandas as pd ``` 然后,使用Pandas的read_table函数读取txt文件,生成DataFrame对象: ```python df = pd.read_table('file.txt', header=None, sep='\s+') ``` 其中,file.txt是要读取文件名,header=None表示数据中没有列名,sep='\s+'表示数据中的分隔符为多个空格,可以根据实际情况进行调整。 如果需要自定义列名,可以使用names参数: ```python df = pd.read_table('file.txt', header=None, sep='\s+', names=['col1', 'col2', 'col3']) ``` 这里names参数指定了自定义列名,可以根据实际情况进行调整。 此外,如果数据中有缺失值,可以使用na_values参数进行指定: ```python df = pd.read_table('file.txt', header=None, sep='\s+', na_values=['-', 'NA', ' ', 'null']) ``` 这里na_values参数指定了多个缺失值,可以根据实际情况进行调整。 读取完成后,可以使用Pandas的相关函数对数据进行处理,例如查看前几行: ```python df.head() ``` 也可以将数据保存为csv文件: ```python df.to_csv('file.csv', index=False) ``` 这里index=False表示不保存行索引。保存为csv文件后,可以使用Excel等多种软件进行打开和处理。 最后,需要注意的是,数据读取过程中可能会出现编码问题,如果遇到这种情况,可以使用Python的chardet库进行自动检测和转换,例如: ```python import chardet with open('file.txt', 'rb') as f: data = f.read() encoding = chardet.detect(data)['encoding'] df = pd.read_table('file.txt', header=None, sep='\s+', encoding=encoding) ``` 这里使用chardet库对文件进行自动检测,并使用检测到的编码进行数据读取。 总之,Python读取txt文件dataframe是一项经常遇到的数据处理任务,使用Pandas库可以非常方便地完成。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值