c读取txt文件每一行如何使用Pandas读取txt文件？海淘项目_优质付费资源_知识付费网课平台_创业项目_代理加盟

技术总编辑：陈鼎

Stata&Python云课程来了！

寒雪梅花尽，春风柳归。为了感谢大家长期以来的支持与信任，爬虫俱乐部为大家送上福利！！！ Stata & python专题课程在腾讯课堂同步上线～原价2400元的Python编程培训班现仅售100元，详情请查看推文；原价600元的正则表达式课程现仅售49.9元，详情请查看推文；基础字符串函数课程原价600元现仅售49.9元，详情请查看推文；原价600元的网络爬虫课程现仅售49.9元，更多信息请查看推文；原价600元的文本解析课程，现仅售49.9元，更多资讯请查看推文。变的是价格，不变的是课程质量和答疑服务。报名有任何问题，欢迎在公众号后台和腾讯课堂留言！

●指南●

通常情况下，各种数据都存储在磁盘上。当你要分析它们的时候，你需要用Python将它们读入内存。这时候，Pandas 就派上用场了。 Pandas模块可以读写多种格式的数据，如csv、txt、excel、sql、json、html等。在Pandas中，文件的读取通常使用pandas.read_xxx()形式的函数，写入使用方法to_xxx() 的形式。在这篇文章中，笔者主要讲一下如何使用Pandas读取txt格式的文件。

一

准备txt文件

在学习阅读txt文件之前，我们先来预览一下如何创建一个txt文件。在这里，我们考虑这样一个DataFrame数据：

1#引入numpy库、pandas库
2import numpy as np     
3import pandas as pd     
4#随机生成维度4*5的一组样本，服从标准正态分布
5df=pd.DataFrame(np.random.randn(4,5),index=list("1234"),columns=list("ABCDE"))
6df

c 如何读取txt文件_c语言如何读取txt文件_c读取txt文件每一行

上表可以使用DataFrame中的to_csv()方法保存为txt文件：

1#将df保存为txt文件，指定它的分隔符是"t"
2df.to_csv("C:/Users/Coco/Desktop/Python/df1.txt",sep='t')

通过上面的命令，创建了一个txt文件，下一步我们学习如何读取这个文件。

二

读取txt文件

在读取txt文件之前，需要先判断txt文件是否符合基本格式，即是否有“t”等特殊分隔符，如果存在则可以读取。读取txt文件时，一般使用Pandas中的read_table函数和read_csv函数。

读表函数

使用read_table函数读取一个txt文件的命令如下：

1#读入df1.txt文件，指定它的分隔符是"t"
2pd.read_table("C:/Users/Coco/Desktop/Python/df1.txt",sep='t')

c语言如何读取txt文件_c读取txt文件每一行_c 如何读取txt文件

我们可以观察到，与之前的DataFrame对象相比，我们读取的表多了Unnamed:0列，这些是原来DataFrame对象的行标记。因为在保存文件的时候c读取txt文件每一行，Pandas默认会保存行标记和列标记的值，但是在读取文件的时候，Pandas并不知道列是行标记。

读取文件时，如果没有设置index_col列索引，默认使用从0开始的整数索引。对表格的某一行或某一列进行操作后c读取txt文件每一行，你会发现在保存为文件时，总会多出一列从0开始。如果设置index_col参数来设置列索引，就不会出现这个问题。因此，我们在读取的时候，可以通过参数index_col来指定行标记所在的列。

1#读入df1.txt文件，指定它的分隔符是t，设置第1列数据作为index
2pd.read_table("C:/Users/Coco/Desktop/Python/df1.txt",sep='t',index_col=0)

还有一种方法，保存时可以输入index=False忽略行标记，也可以得到和上面命令一样的结果。

1#将df保存为txt文件时忽略行标记
2df.to_csv("C:/Users/Coco/Desktop/Python/df1.txt",sep='t',index=False)
3#读取df1.txt文件 
4pd.read_table("C:/Users/Coco/Desktop/Python/df1.txt",sep='t'

read_csv 函数

在 Pandas 中使用 read_csv 函数读取 txt 文件与使用 read_table 函数非常相似。

1#df的写入、读取
2df.to_csv("C:/Users/Coco/Desktop/Python/df1.txt",sep='t')
3pd.read_csv("C:/Users/Coco/Desktop/Python/df1.txt",sep='t',index_col=0)

那么读取txt文件时read_table函数和read_csv函数有什么区别呢？它们的区别在于默认的分隔符separator不同。 read_table函数默认使用“t”对数据集进行切割，而read_csv函数默认使用“,”对数据集进行切割。

功能说明

读表

从文件、URL 和文件类型对象加载分隔数据。默认分隔符是制表符 ("t")。

读取_csv

从文件、URL 和文件类型对象加载分隔数据。默认分隔符是逗号。

1df.to_csv("C:/Users/Coco/Desktop/Python/df2.txt")   #df的写入，分隔符为“，”
2pd.read_csv("C:/Users/Coco/Desktop/Python/df2.txt",index_col=0)

此时使用read_csv函数读取txt文件时，默认的分隔符sep=","可以省略。

三

准备读取txt文件的其他操作

首先准备如下ex1.txt文件（后台回复“ex1”即可获取）。

c读取txt文件每一行_c语言如何读取txt文件_c 如何读取txt文件

指定读取的txt文件

 1# 文件ex1.txt的读入,分隔符为‘t’
 2ex1 = pd.read_csv("C:/Users/Coco/Desktop/Python/ex1.txt",sep="t")
 3ex1
 4# pd.read_csv将第一行默认为标题行即列名，行索引0,1,2,3为自动添加
 5# 文件第一行不作为标题行,自动添加列索引 0,1,2,3,4,5
 6ex2=pd.read_csv("C:/Users/Coco/Desktop/Python/ex1.txt",sep="t",header=None)
 7ex2
 8#自定义列名
 9ex3=pd.read_csv("C:/Users/Coco/Desktop/Python/ex1.txt",sep="t",header=None,names=['something','a','b','c','d','e'])
10ex3
11#建立索引：something
12ex4=pd.read_csv("C:/Users/Coco/Desktop/Python/ex1.txt",sep="t",header=None,names=['something','a','b','c','d','e'],index_col='something')
13ex4
14#层次化索引：指定多个列作为行索引即可
15ex5=pd.read_csv("C:/Users/Coco/Desktop/Python/ex1.txt",sep="t",header=None,names=['something','a','b','c','d','e'],index_col=['something','a'])
16ex5
17#只读入前面3行
18ex6=pd.read_csv("C:/Users/Coco/Desktop/Python/ex1.txt",sep="t",header=None,names=['something','a','b','c','d','e'],nrows=3)
19ex6
20#跳过指定行
21ex7=pd.read_csv("C:/Users/Coco/Desktop/Python/ex1.txt",sep="t",header=None,names=['something','a','b','c','d','e'],skiprows=[0,2])
22ex7
23#计算表格行数，不包括表头
24rownum = ex3.shape[0]    
25#计算表格列数，并输出行数、列数
26colnum = ex3.columns.size
27print("行数：",rownum)
28print("列数：",colnum)

对列和行进行操作

 1#提取指定的列
 2print(ex3['b'])   #方式一
 3print(ex3.b.values)   #方式二
 4#根据something列对数据去重
 5rex3 = ex3.drop_duplicates(['something'])
 6rex3
 7#获取something列去重后的值
 8rsomething = ex3['something'].unique()  
 9print('rsomething：',rsomething)
10#something列去重后有多少值
11totalrsomethingnum = rsomething.size   
12print('num:',totalrsomethingnum)
13#计算a列所有值之和
14ex3['a'].sum()     
15#过滤含特定值的行，挑选出a列取值为1或9的行
16ex3[(ex3['a']==1)|(ex3['a']==9)]    
17#计算a列各个取值的个数
18aex3 = ex3.groupby('a').size()    #方式一
19aex3
20bex3 = ex3['a'].value_counts()   #方式二
21bex3
22#计算a列取值为1和取值为5的个数
23v=aex3[1]+aex3[5]     
24print("两个的和:",v)     
25print("总和:",aex3.sum())

每个值的图形表示

1import matplotlib.pyplot as plt
2fig=plt.figure()
3ex3.plot(kind='bar',grid=True)   #bar和barh能切换x轴，y轴
4plt.show()                       #在需要显示的时候调用，会一次把所有的图都画出

c语言如何读取txt文件_c读取txt文件每一行_c 如何读取txt文件

缺失值显示：参数na_values

 1#将ex4保存为txt文件，指定它的分隔符是t
 2ex4.to_csv("C:/Users/Coco/Desktop/Python/ex4.txt",sep='t') 
 3#缺失值的显示，默认将缺失值标记为 NaN
 4result1 = pd.read_table('C:/Users/Coco/Desktop/Python/ex4.txt')
 5result1
 6#参数 na_values设置显示为 NaN的字符串，可以是单个字符串也可是列表
 7result2 = pd.read_table('C:/Users/Coco/Desktop/Python/ex4.txt',na_values=['world'])
 8result2
 9#也可以通过字典的形式给出需要标记为NaN的值，'message'列被记为NaN的值有'foo'和 'NA'，‘somthing’列的有‘two’
10result3 = pd.read_table('C:/Users/Coco/Desktop/Python/ex4.txt',na_values={'message': ['foo', 'NA'], 'something': ['two']})
11result3