Python 如何将列的标记值解析为数据帧（缺少某些列值）？

以下是我的未标记数据集中的两行，一个小子集：

random1 147 sub1    95  34  dewdfa3 15000   -1238   SBAASBAQSBARSBATSBAUSBAXBELAAX  AAA:COL:UVTWUVWDUWDUWDWW    BBB:COL:F   CCC:COL:GTATGTCA    DDD:COL:K20 EEE:COL:54T GGG:COL:-30.5   HHH:COL:000.1   III:COL:2   JJJ:COL:0   

random2 123 sub1    996 12  kwnc239 10027    144        LBPRLBPSLBRDLBSDLBSLLBWB    AAA:COL:UWTTUTUVVUWWUUU BBB:COL:F   DDD:COL:CACGTCGG    EEE:COL:K19 FFF:COL:HCC16   GGG:COL:873 III:COL:-77 JJJ:COL:0   KKK:COL:0   LLL:COL:1   MMM:COL:212

前九列在整个数据集中是一致的，并且可以标记

我的问题在于以下几列。然后，此行中的每个值首先用列值标记，例如，

AAA:COL:UVTWUVWDUWDUWDWW

是列

AAA

，

BBB:COL:F

是列

BBB

，等等

但是，（1）每行的列数不同，（2）某些列“缺失”。第一行缺少列

FFF

，第二行跳过列

CCC

和

HHH

另外，请注意，第一行在列

JJJ

处停止，而第二列在列

MMM

处停止

如何分配数据帧的9+13列，并解析这些值，以便在

column:value

对不存在的情况下，该列将具有

NaN

值

像pandas.read_table（）这样的东西是否具有此功能

这是第一行的“正确”格式：

random    int     sub    int2    int3    string1    int4    int5    string2                         AAA            BBB    CCC    DDD    EEE    FFF    GGG .... MMM
random1   147    sub1    95      34      dewdfa3    15000   -1238   SBAASBAQSBARSBATSBAUSBAXBELAAX  UVTWUVWDUWDUWDWW    F   DFADFADFA   K20 54T 'NaN' -30.5 ....'NaN'

相关（未回答）问题如下：

这样就可以了：

text = """random1 147 sub1    95  34  dewdfa3 15000   -1238   SBAASBAQSBARSBATSBAUSBAXBELAAX  AAA:COL:UVTWUVWDUWDUWDWW    BBB:COL:F   CCC:COL:GTATGTCA    DDD:COL:K20 EEE:COL:54T GGG:COL:-30.5    HHH:COL:000.1   III:COL:2  JJJ:COL:0   
random2 123 sub1    996 12  kwnc239 10027    144        LBPRLBPSLBRDLBSDLBSLLBWB    AAA:COL:UWTTUTUVVUWWUUU BBB:COL:F   DDD:COL:CACGTCGG    EEE:COL:K19 FFF:COL:HCC16   GGG:COL:873 III:COL:-77 JJJ:COL:0   KKK:COL:0   LLL:COL:1   MMM:COL:212"""

data = [line.split() for line in text.split('\n')]
data1 = [line[:9] for line in data]
data2 = [line[9:] for line in data]

# list of dictionaries from data2, where I parse the columns
dict2 = [[dict([d.split(':COL:') for d in d1]) for d1 in data2]

result = pd.concat([pd.DataFrame(data1),
                    pd.DataFrame(dict2)],
                   axis=1)

result.iloc[:, 9:]

---

我看到一个

'III:a:2'

。请解释这是什么。@piRSquared列I（即大写字母“I”）位于H列之后和J列之前。我的意思是，

'III:A:2'

不一致。除了

'III:a:2'

和

'HHH:B:000.1'

之外，其他每个条目中都有一个

'：列：'

。你没有在帖子中解释这些应该如何解释。@piRSquared我怀疑这是数据的残余。应解释为“III”列和“HHH”列。我将对上面的内容进行编辑，以减少这个问题（已经）的复杂性。然后，我下面的答案将回答您上面的问题，我只包括两行。实际上，有数千行。您可以编辑上面的内容以在行之间进行解析吗？我用这种方式显示了所有数据。我调换了位置。显然，这不是个好主意<代码>结果是您的答案<代码>结果。iloc[：，9:://code>只是显示具有挑战性的列，以便我可以打印它们。抱歉，我误解了第二行代码。谢谢，我不知道为什么我以前很困惑。