我需要用Python读取.dat文件。该文件共有 3 列,数百行。第二列和第三列包含两个字符,后跟一个我想提取的浮点数——第二列始终以
"SA"
开头,第三列始终以 "SC"
开头。我当前正在加载数据并循环遍历每一行以提取值,但是有更好的方法吗?
数据清理完毕后,我想对结果进行一些计算,即计算平均值。
以下是 .dat 文件中的两行示例:
9:01:15 SA7.998 SC7.968
9:01:16 SA7.998 SC7.968
这是我当前使用的代码。
import numpy as np
import os.path
from statistics import mean
time=[]
s_1=[]
s_2=[]
s1=[]
s2=[]
r1=[]
r2=[]
avgg=[]
# Reading data from file
with open('serial_2.dat','r') as f:
dat=f.readlines()
for i in dat:
y=i.split() # cleaning and getting columns without spaces
time.append(y[0])
s1.append(y[1])
s2.append(y[2])
#getting only numbers without strings (SA and SC)
for counter in (range(0,len(s1))):
S_1=s1[counter]
r1.append(S_1[2:])
r1_f=np.array(r1, dtype='float32')
S_2=s2[counter]
r2.append(S_2[2:])
r2_f=np.array(r2, dtype='float32')
avgg=r1_f+r2_f/2
print(np.mean(avgg))
您可以使用
pandas
来做到这一点:
#! pip install pandas
import pandas as pd
import numpy as np
df = pd.read_csv('serial_2.dat', sep='\s+', header=None, names=['time', 's1', 's2'])
df['s1'] = df['s1'].str.extract('^[\D]+(.*)').astype(float)
df['s2'] = df['s2'].str.extract('^[\D]+(.*)').astype(float)
输出:
>>> df
time s1 s2
0 9:01:15 7.998 7.968
1 9:01:16 7.998 7.968
>>> df.dtypes
time object
s1 float64
s2 float64
dtype: object
如果 s1 和 s2 列中始终有 2 个字符,则可以避免使用正则表达式并删除前两个字符:
df['s1'] = df['s1'].str[2:].astype(float)
df['s2'] = df['s2'].str[2:].astype(float)
然后计算平均值:
# With pandas
>>> df[['s1', 's2']].mean().mean()
7.983
# With numpy
>>> np.mean(df[['s1', 's2']])
7.983