Python 中的自由文本到 pandas 数据框

Question

我有一个包含许多表格的文本文件。我想将这些表捕获到数据框中。问题是，尽管这些表格看起来像表格，但它们在结构上只是文本。它们看起来像表格的原因是间距的使用。像这样：

                       Three Months Ended    Nine Months Ended
                      ------------------    -----------------
                       November 30,          November 30,
                       1996       1995       1996       1995
                      -------    -------   --------    --------
<S>                    <C>        <C>       <C>         <C> 
DEPARTMENTA Team 1     73,003    $52,729   $235,753    $169,532
DEPARTMENTA Team 2     51,129     37,770    162,884     119,006

我希望数据框看起来像这样：

用文字描述数据框：5 列：

1. 部门/团队
2. 截至 1996 年 11 月 30 日的三个月
3. 截至 1995 年 11 月 30 日的三个月
4. 截至 1995 年 11 月 30 日的九个月
5. 截至 1996 年 11 月 30 日的九个月

加上标题和 20 行数据

我试图识别任何标记来帮助我解析它，但看起来没有任何标记。它不是 html xml 或 excel..只是文本

谢谢您的帮助

Answer 1

如果两个或更多空格严格出现在列之间，那么您可以使用 pd.read_table

 或 

pd.read_csv

 以及超过 1 个空格作为分隔符并跳过带有标题的行，排序如下：

headerhight = 6
fieldsep = r'\t+|\s{2,}'
names = ['your', 'names', 'for', 'each', 'column']
pd.read_table(
    file, skiprows=headerhight, sep=fieldsep, 
    header=None, names=names, engine='python', dtype=str)

剩下的就是清理数据，比如：

for col in df.columns[1:]:
    df[col] = (
        df[col]
        .str.lstrip('$')
        .str.replace(',', '.')
        .astype(float)
    )

但是更精确的方法仍然取决于上下文。