如何从文本中分离特定的字符串并将其添加为列名？

Question

这是我所拥有的I数据的一个类似示例，但行数少得多。

因此，假设我有一个这样的txt文件：

'''
Useless information 1
Useless information 2
Useless information 3
Measurement:
Len. (cm)   :length of the object
Hei. (cm)   :height of the object
Tp.         :type of the object
~A DATA
10  5   2
8   7   2
5   6   1
9   9   1
'''

并且我想将值放在'〜A DATA'下面作为DataFrame。如您所见，我已经设法获取了没有列名的DataFrame（尽管由于我的代码中有些废话，所以它有点混乱）：

with open(r'C:\Users\Lucas\Desktop\...\text.txt') as file:
    for line in file:
        if line.startswith('~A'):
           measures = line.split()[len(line):]
           break

    df = pd.read_csv(file, names=measures, sep='~A', engine='python')

newdf = df[0].str.split(expand = True)

newdf()
    0  1  2
0  10  5  2
1   8  7  2
2   5  6  1
3   9  9  1

现在，我想将文本中的'Len'，'Hei'和'Tp'作为DataFrame上的列名。只需这些测量代码（无需后续字符串）。我该怎么做才能拥有这样的df？

    Len  Hei  Tp
  0  10   5   2
  1   8   7   2
  2   5   6   1
  3   9   9   1

解决方案之一是将字符串'Measurement'下方的每一行（或以'Len ...'行开头），直到字符串'〜A'以上的每一行（或以'Tp'行结尾） 。然后拆分我们得到的每一行。但是我不知道该怎么做。

Answer 1

解决方案1：如果要从文本文件本身中删除列名，则需要知道列名信息从哪一行开始，然后读取文件行-按行并针对您知道具有列名称作为文本的特定行进行处理。

为了回答您所问的特定问题，我们假设变量line包含字符串之一，例如line = Len. (cm) :length of the object，您可以进行基于正则表达式的拆分，其中，您可以拆分除数字和字母之外的任何特殊符号。

import re
splited_line = re.split(r"[^a-zA-Z0-9]", line) #add other characters which you don't want
print(splited_line)

这导致

['Len', ' ', 'cm', '   ', 'length of the object']

此外，要获取列名，请从列表中选择第一个元素为splited_line[0]

解决方案2：如果您已经知道列名，则可以这样做

df.columns = ['Len','Hei','Tp']