如何从python的txt文件中读取特定列？

Question

我有这样一个.txt数据集：

user_000044 2009-04-24  13:47:07    Spandau Ballet  Through The Barricades 

我要读最后两个哥伦布，斯潘道芭蕾舞团的独特和通过路障的独特。我该怎么做？你知道吗

需要创建两个数组，artists =[]和tracks = []，在其中我将数据放入循环中，但我无法定义行中的文本部分。你知道吗

有人能帮我吗？你知道吗

Answer 1

使用python且不使用第三方软件包的选项：

data = open('dataset.txt', 'r').readlines()

artists = []
tracks = []

for line in data:
    artist, track = line.split(' '*2)[-2::]
    artists.append(artist.strip())
    tracks.append(track.strip())

print artists
print tracks

输出：

['Spandau Ballet']
['Through The Barricades']

[-2::]获取每行的最后2列，如果需要，调整以获取其他列。你知道吗

Answer 2

最好使用pandas-模块将.txt的内容加载到一个DataFrame中，然后从那里开始。如果你不熟悉它…一个 DataFrame与使用Python可以获得的Excelsheet非常接近。pandas将为您处理读取行的操作，这样您就不必编写自己的循环。你知道吗

假设您的文本文件是四列的，以制表符分隔，则如下所示：

# IPython for demo:
import pandas as pd

df = pd.read_csv('ballet.txt', sep='\t', header=None, names=['artists', 'tracks'], usecols=[2, 3])
# usecols here limits the Dataframe to only consist the 3rd and 4th column of your .txt

您的数据帧可能看起来像：

df
# Out: 
          artists                  tracks
0  Spandau Ballet  Through The Barricades
1   Berlin Ballet               Swan Lake

按列名访问单列：

df.artists  # or by their index e.g. df.iloc[:, 0]
# Out: 
0    Spandau Ballet
1     Berlin Ballet
Name: 2, dtype: object

你现在仍然可以把数据放到数组中，但是如果你知道其他的选择，我想不出你真正想这样做的原因。你知道吗

Answer 3

如果文件中的列由表格分隔，则可以使用np.loadtxt（NumPy函数）执行以下操作

artists, tracks = np.loadtxt("myfile.txt", delimiter = "\t", dtype = str, usecols = [ 3, 4 ], unpack = True)

这将输出一个NumPy数组。或者，您可以将这些数组转换为常规的Python字符串列表

artists = [ str(s) for s in artists ]
tracks = [ str(s) for s in tracks ]