繰り返される「key = value」ペアのファイルをDataFrameに読み込みます

この形式のデータを含むtxtファイルがあります。最初の3行は何度も繰り返されます。

name=1
grade=A
class=B
name=2
grade=D
class=A

データを表形式で出力したいと思います。次に例を示します。

name | grade | class
1    | A     | B
2    | D     | A

ヘッダーを設定してデータをループするのに苦労しています。これまでに試したのは、

def myfile(filename):
    with open(file1) as f:
        for line in f:
            yield line.strip().split('=',1)

def pprint_df(dframe):
    print(tabulate(dframe, headers="keys", tablefmt="psql", showindex=False,))

#f = pd.DataFrame(myfile('file1')
df = pd.DataFrame(myfile('file1'))
pprint_df(df)

それからの出力は

+-------+-----+
| 0     | 1   |
|-------+-----|
| name  | 1   |
| grade | A   |
| class | B   |
| name  | 2   |
| grade | D   |
| class | A   |
+-------+-----+

本当に私が探しているものではありません。

このソリューションでは、テキスト形式が説明どおりであることを前提としていますが、別の単語を使用して新しい行の始まりを示すように変更することもできます。ここでは、nameフィールドで始まる新しい行を想定しています。myfile()以下の関数を変更しました。いくつかのアイデアが得られることを願っています:)

def myfile(filename):
    d_list = []
    with open(filename) as f:
        d_line = {}
        for line in f:
            split_line = line.rstrip("\n").split('=')  # Strip \n characters and split field and value.
            if (split_line[0] == 'name'):
                if d_line:
                    d_list.append(d_line)  # Append if there is previous line in d_line.
                d_line = {split_line[0]: split_line[1]}  # Start a new dictionary to collect the next lines.
            else:
                d_line[split_line[0]] = split_line[1]  # Add the other 2 fields to the dictionary.
        d_list.append(d_line) # Append the last line.
    return pd.DataFrame(d_list)  # Turn the list of dictionaries into a DataFrame.

パンダを使用してファイルを読み取り、データを処理できます。あなたはこれを使うかもしれません：

import pandas as pd
df = pd.read_table(r'file.txt', header=None)
new = df[0].str.split("=", n=1, expand=True)
new['index'] = new.groupby(new[0])[0].cumcount()
new = new.pivot(index='index', columns=0, values=1)

new 出力：

0     class grade name
index                 
0         B     A    1
1         A     D    2

私はあなたが十分な答えを持っていることを知っていますが、これは辞書を使用してそれを行う別の方法です：

import pandas as pd
from collections import defaultdict
d = defaultdict(list)

with open("text_file.txt") as f:
    for line in f:
        (key, val) = line.split('=')
        d[key].append(val.replace('\n', ''))

df = pd.DataFrame(d)
print(df)

これにより、次のような出力が得られます。

name grade class
0    1     A     B
1    2     D     A

別の視点を得るために。

出力があるので、これは私が問題に対処する方法です：

まず、列の再現性に基づいて一意のインデックスを作成し、

df['idx'] = df.groupby(df['0'])['0'].cumcount() + 1
print(df)
        0  1  idx
0   name  1      1
1  grade  A      1
2  class  B      1
3   name  2      2
4  grade  D      2
5  class  A      2

次に、これを使用して、crosstab関数を使用してデータフレームをピボットします

df1 = pd.crosstab(df['idx'],df['0'],values=df['1'],aggfunc='first').reset_index(drop=True)
print(df1[['name','grade','class']])
0 name grade class
0    1     A     B
1    2     D     A

またfile、3のブロックでテキストファイルを読み取り、ネストされたリストを作成して、データフレームに配置することもできます。

from itertools import zip_longest
import pandas as pd

# taken from https://docs.python.org/3.7/library/itertools.html:
def grouper(iterable, n, fillvalue=None):
    "Collect data into fixed-length chunks or blocks"
    # grouper('ABCDEFG', 3, 'x') --> ABC DEF Gxx"
    args = [iter(iterable)] * n
    return zip_longest(*args, fillvalue=fillvalue)

data = [['name', 'grade', 'class']]
with open(file, 'r') as fobj:
    blocks = grouper(fobj, 3)
    for b in blocks:
        data.append([i.split('=')[-1].strip() for i in b])

df = pd.DataFrame(data[1:], columns=data[0])  

df 直接になります

  name grade class
0    1     A     B
1    2     D     A

注＃1：これにより、純粋なpandasソリューションよりも多くのコード行が作成されますが、私の経験では、使用するpandas関数が少ないためオーバーヘッドが少ないので、より効率的です。

注2：一般的に、入力データを別の形式（jsonまたは）で保存する方がよいと私は主張しますcsv。これにより、たとえばcsvファイルの場合はpandas関数read_csvを使用して、はるかに読みやすくなります。

PythonのDictionaryモジュールとPandas を使用して、その出力を生成できます。

import pandas as pd
from collections import defaultdict

text = '''name=1
          grade=A
          class=B
          name=2
          grade=D
          class=A'''
text = text.split()

new_dict = defaultdict(list) 
for i in text:
    temp = i.split('=')
    new_dict[temp[0]].append(temp[1])

df = pd.DataFrame(new_dict)

このアプローチは最も効率的なものではないかもしれませんが、パンダの高度な機能を使用していません。それが役に立てば幸い。

出力：

    name    grade   class
0      1        A       B
1      2        D       A

私見、現在の答えはすべて複雑すぎるようです。私がやろうとしていることは、2つの列を読み取る'='ためのsepパラメーターとして使用し、pd.read_csv次にpivot取得したDataFrameを使用することです。

import pandas as pd

df = pd.read_csv('myfile', sep='=', header=None)
#        0  1
# 0   name  1
# 1  grade  A
# 2  class  B
# 3   name  2
# 4  grade  D
# 5  class  A

df = df.pivot(index=df.index // len(df[0].unique()), columns=0)
#       1           
# 0 class grade name
# 0     B     A    1
# 1     A     D    2

結果にそのマルチレベルの列インデックスが必要ない場合は、次の方法で削除できます。

df.columns = df.columns.get_level_values(1)
# 0 class grade name
# 0     B     A    1
# 1     A     D    2