python - Pandas:将文件读入 DataFrame 时忽略特定字符串后的所有行

Question

我有一个 pandas DataFrame，可以总结为:

[Header]
Some_info = some_info
[Data]
Col1    Col2
0.532   Point
0.234   Point
0.123   Point
1.455   Square
14.64   Square
[Other data]
Other1  Other2
Test1   PASS
Test2   FAIL

我的目标是只读取 [Data] 和 [Other data] 之间的文本部分，这是可变的(不同长度)。 header 的长度始终相同，因此可以使用 pandas.read_csv 中的 skiprows。但是，skipfooter 需要跳过行数，这可以在文件之间改变。

这里最好的解决方案是什么？我想避免在外部更改文件，除非没有其他解决方案。

Answer 1

Numpy 的 genfromtxt 能够将生成器作为输入(而不是直接将文件作为输入)——生成器可以在到达您的页脚后立即停止生成。生成的结构化数组可以转换为 pandas DataFrame。这不是很理想，但看起来 pandas 的 read_csv 不能直接带生成器。

import numpy as np
import pandas as pd

def skip_variable_footer(infile):
    for line in infile:
        if line.startswith('[Other data]'):
            raise StopIteration
        else:
            yield line


with open(filename, 'r') as infile:
    data = np.genfromtxt(skip_variable_footer(infile), delimiter=',', names=True, dtype=None)

df = pd.DataFrame(data)