Python-根据条件读取文本文件中的特定行

问题陈述：

我有一个文件如下

name | date | count
John | 201406 | 1
John | 201410 | 2
Mary | 201409 | 180
Mary | 201410 | 154
Mary | 201411 | 157
Mary | 201412 | 153
Mary | 201501 | 223
Mary | 201502 | 166
Mary | 201503 | 163
Mary | 201504 | 169
Mary | 201505 | 157
Tara | 201505 | 2

该文件显示了约翰、玛丽和塔拉三人几个月的计数数据。我想分析这些数据，并为每个人提供一个状态标签，即活动、非活动或新的

如果一个人有201505和其他前几个月的参赛作品，比如Mary，那么他就是活跃的

如果一个人没有201505的条目，那么他是不活跃的-比如John

如果一个人只有一个201505的条目，就像塔拉一样，那么他就是新来的

此外，如果一个人是活跃的，我想得到他们最近的5次计数的中位数。例如，对于Mary，我希望得到的平均值为（（157+169+163+166+223）/5）

问题：

我想了解如何在Python 2.7中读取此文件以满足我的需求。我从以下内容开始，但不确定如何获得特定人员的以前条目（即文件中的前几行）

for line in data:
    col = line.split('\t')
    name = col[0]
    date = col[1]
    count = col[2]

---

我认为你可以用dict解决你的问题

import re

spl = """name | date | count
John | 201406 | 1
John | 201410 | 2
Mary | 201409 | 180
Mary | 201410 | 154
Mary | 201411 | 157
Mary | 201412 | 153
Mary | 201501 | 223
Mary | 201502 | 166
Mary | 201503 | 163
Mary | 201504 | 169
Mary | 201505 | 157
Tara | 201505 | 2"""

dicto = {}

listo = re.split("\\||\n",spl)
listo = [x.strip() for x in listo]
for x in range(3,len(listo),3):
    try:
        dicto[listo[x]].append([listo[x+1],listo[x+2]])
    except KeyError:
        dicto[listo[x]]= []
        dicto[listo[x]].append([listo[x+1],listo[x+2]])

print (dicto.get('John'))

输出：

[['201406', '1'], ['201410', '2']]

---

因此，现在您有了所有的数据，对于您的dict of dict中的所有用户，您可以对他们做您想做的事情

考虑使用

Pandas

，然后您可以使用

.groupby（'name'）

函数单独查看每个人。这是否假设我们在txt文件中有一个标题行？没有头文件的情况如何？是的，这假定文件有头行。如果没有标题，并且您希望显式提供列名，请按如下方式读取文件：

df=pd.read\u csv（'input\u csv.csv'，name=['name'、'date'、'count']）

谢谢。我们在哪里告诉程序只获取名称[name]['last5median']=subdf['count'].tail（）.median（）中最后5个的中间值？如果我想要最后8个条目呢？

.tail（）

部分返回最后5个条目（5是tail的默认值）。例如，如果你想要8，你可以做

.tail（8）

。你明白了。中位数是使用

.media（）

部分来计算的，您在

.tail（X）

中给出了最后X个条目。很高兴它有帮助！希望这能回答您的问题。如果我的源文件是以制表符分隔的文本文件，我将如何将其读入变量spl，以及re.split函数将如何更改？谢谢

import pandas as pd:
df = pd.read_csv('input_csv.csv') # This assumes you have a csv format file
names = {}
for name, subdf in df.groupby('name'):
    if name not in names:
        names[name] = {}
    if (subdf['date']==201505).any():
        if subdf['count'].count()==1:
            names[name]['status'] = 'new'
        else:
            names[name]['status'] = 'active'
            names[name]['last5median'] = subdf['count'].tail().median()
    else:
        names[name]['status'] = 'inactive'


>>>
{'John': {'status': 'inactive'},
 'Mary': {'last5median': 166.0, 'status': 'active'},
 'Tara': {'status': 'new'}}