我有一个文本文件
样本:
----------新交易----------
交易日期:2021 年 11 月 30 日上午 08:42
客户编号:C00001
客户名称:SALISU BISI
金额:16,450.00
交易参考号: 00001
----------新交易----------
交易日期:2021 年 11 月 30 日上午 08:46
客户编号:C00002
客户名称:SULE YAYA
金额:80,940.00
交易参考号: 00002
----------新交易----------
交易日期:2021 年 11 月 30 日上午 08:51
客户编号:C00001
客户名称:SALISU BISI
金额:44,900.00
交易参考号: 00003
如何将其加载到 pandas 中?
我试过了
df=pd.read_csv("2021_11_30.txt", delimiter="\t")
df
它将作为一列加载,因为这就是文本文件。
您实际上要问的是如何正确识别行并将其拆分为多列。
你可以用 pandas 以迂回的方式做到这一点,但对于像这样的非结构化文本数据,最好是:
pandas
这里介绍了读入列表: 如何将文件逐行读取到列表中?
from collections import defaultdict
d = defaultdict(list)
with open(file, 'r') as rf:
str_file = rf.read()
first_replace = str_file.replace('----------NEW TRANSACTON-----------','')
spliting_str = first_replace.split('\n\n\n')
clean_list = [tuple(r.split(':',1)) for row in spliting_str for r in row.split('\n') if r != '']
for k,v in clean_list:
d[k].append(v)
现在你有了一个列表字典,可以将其加载到数据框中:
df =pd.DataFrame.from_dict(d)
无需额外导入、替换,更少的 for 和 if。
with open("/path/to/file.txt", "r") as f:
l = f.readlines()
d = {}
for idx, el in enumerate(l):
if "----------NEW TRANSACTON-----------" in el:
for i in range(1,5):
k, v = l[idx+i].strip().split(" : ")
if k not in d.keys():
d[k] = [v]
else:
d[k].append(v)
df = pd.DataFrame.from_dict(d)