Считать файл повторяющихся пар «ключ = значение» в DataFrame

У меня есть текстовый файл с данными в этом формате. Первые 3 строки повторяются снова и снова.

name=1
grade=A
class=B
name=2
grade=D
class=A

Я хотел бы вывести данные в виде таблицы, например:

name | grade | class
1    | A     | B
2    | D     | A

Я изо всех сил пытаюсь установить заголовки и просто перебрать данные. Что я пробовал до сих пор:

def myfile(filename):
    with open(file1) as f:
        for line in f:
            yield line.strip().split('=',1)

def pprint_df(dframe):
    print(tabulate(dframe, headers="keys", tablefmt="psql", showindex=False,))

#f = pd.DataFrame(myfile('file1')
df = pd.DataFrame(myfile('file1'))
pprint_df(df)

Выход из этого

+-------+-----+
| 0     | 1   |
|-------+-----|
| name  | 1   |
| grade | A   |
| class | B   |
| name  | 2   |
| grade | D   |
| class | A   |
+-------+-----+

Не совсем то, что я ищу.

Это решение предполагает, что текстовый формат соответствует описанному вами, но вы можете изменить его, чтобы использовать другое слово для обозначения начала новой строки. Здесь мы предполагаем, что новая строка начинается с nameполя. Я изменил вашу myfile()функцию ниже, надеюсь, это даст вам некоторые идеи :)

def myfile(filename):
    d_list = []
    with open(filename) as f:
        d_line = {}
        for line in f:
            split_line = line.rstrip("\n").split('=')  # Strip \n characters and split field and value.
            if (split_line[0] == 'name'):
                if d_line:
                    d_list.append(d_line)  # Append if there is previous line in d_line.
                d_line = {split_line[0]: split_line[1]}  # Start a new dictionary to collect the next lines.
            else:
                d_line[split_line[0]] = split_line[1]  # Add the other 2 fields to the dictionary.
        d_list.append(d_line) # Append the last line.
    return pd.DataFrame(d_list)  # Turn the list of dictionaries into a DataFrame.

Вы можете использовать панд, чтобы прочитать файл и обработать данные. Вы можете использовать это:

import pandas as pd
df = pd.read_table(r'file.txt', header=None)
new = df[0].str.split("=", n=1, expand=True)
new['index'] = new.groupby(new[0])[0].cumcount()
new = new.pivot(index='index', columns=0, values=1)

new Выходы:

0     class grade name
index                 
0         B     A    1
1         A     D    2

Я знаю, что у вас достаточно ответов, но вот еще один способ сделать это с помощью словаря:

import pandas as pd
from collections import defaultdict
d = defaultdict(list)

with open("text_file.txt") as f:
    for line in f:
        (key, val) = line.split('=')
        d[key].append(val.replace('\n', ''))

df = pd.DataFrame(d)
print(df)

Это дает вам вывод как:

name grade class
0    1     A     B
1    2     D     A

Просто чтобы получить другую перспективу.

Поскольку у вас есть выход, вот как я бы справился с проблемой:

Сначала создайте уникальный индекс, основанный на повторяемости столбцов,

df['idx'] = df.groupby(df['0'])['0'].cumcount() + 1
print(df)
        0  1  idx
0   name  1      1
1  grade  A      1
2  class  B      1
3   name  2      2
4  grade  D      2
5  class  A      2

Затем мы используем это, чтобы повернуть ваш фрейм данных с помощью crosstabфункции

df1 = pd.crosstab(df['idx'],df['0'],values=df['1'],aggfunc='first').reset_index(drop=True)
print(df1[['name','grade','class']])
0 name grade class
0    1     A     B
1    2     D     A

То, что вы также можете сделать, это прочитать ваш текстовый файл fileв блоках по 3, построить вложенный список и поместить его в фрейм данных:

from itertools import zip_longest
import pandas as pd

# taken from https://docs.python.org/3.7/library/itertools.html:
def grouper(iterable, n, fillvalue=None):
    "Collect data into fixed-length chunks or blocks"
    # grouper('ABCDEFG', 3, 'x') --> ABC DEF Gxx"
    args = [iter(iterable)] * n
    return zip_longest(*args, fillvalue=fillvalue)

data = [['name', 'grade', 'class']]
with open(file, 'r') as fobj:
    blocks = grouper(fobj, 3)
    for b in blocks:
        data.append([i.split('=')[-1].strip() for i in b])

df = pd.DataFrame(data[1:], columns=data[0])  

df будет непосредственно

  name grade class
0    1     A     B
1    2     D     A

Примечание № 1: Хотя это приводит к большему количеству строк кода, чем к чистому pandasрешению, по моему опыту, оно, вероятно, будет более эффективным, так как использует меньше pandasфункций и, следовательно, меньше накладных расходов.

Примечание № 2: В общем, я бы сказал, что было бы лучше сохранить ваши входные данные в другом формате, например jsonили csv. это облегчит чтение, например, с помощью pandasфункции read_csv в случае csv-файла.

Вы можете сгенерировать этот вывод, используя модуль Python's Dictionary и Pandas.

import pandas as pd
from collections import defaultdict

text = '''name=1
          grade=A
          class=B
          name=2
          grade=D
          class=A'''
text = text.split()

new_dict = defaultdict(list) 
for i in text:
    temp = i.split('=')
    new_dict[temp[0]].append(temp[1])

df = pd.DataFrame(new_dict)

Этот подход может быть не самым эффективным, но он не использует ни одной из продвинутых функций панд. Надеюсь, поможет.

Выход:

    name    grade   class
0      1        A       B
1      2        D       A

ИМХО, все текущие ответы выглядят слишком сложными. Что я хотел бы сделать, это использовать '='в качестве sepпараметра pd.read_csvдля чтения 2 столбцов, а затем pivotполученный DataFrame:

import pandas as pd

df = pd.read_csv('myfile', sep='=', header=None)
#        0  1
# 0   name  1
# 1  grade  A
# 2  class  B
# 3   name  2
# 4  grade  D
# 5  class  A

df = df.pivot(index=df.index // len(df[0].unique()), columns=0)
#       1           
# 0 class grade name
# 0     B     A    1
# 1     A     D    2

Если вам не нужен этот многоуровневый индекс столбца в результате, вы можете удалить его:

df.columns = df.columns.get_level_values(1)
# 0 class grade name
# 0     B     A    1
# 1     A     D    2