用python解析和提取文件中的数据

我在这个话题上搜索了很多，到目前为止学到了很多。我还是python新手，我知道有一种简单的方法可以使用csv模块解析数据。因此，我有如下数据：

日期最大造币厂Pcpn雪地Snwg
1948年1月1日34 13 0.00 0.0吨
1948年2月1日46 29 0.01 0.0吨
1948年3月1日38 16吨
1948年4月1日38 15 0.00 0.0吨
1948年5月1日44 15 0.00 0.0吨
1948年6月1日42 23 0.00 0.0吨

这是记录结束前一年中每天的天气数据。大多数时候，记录的结尾是现在。我可以解析它并从中提取数据，但我的主要问题和原因是如何根据特定日期提取和保存数据

例如，如果我想要记录中所有年份中发生在4月25日的最高温度，以及它发生的年份，我如何准确地隔离特定日期，并且仅在该日期使用max（）或min（），而不是一年中的所有日期？我想让我的程序搜索一年中的每个日期，找到每个日期的最大值和最小值以及发生的年份，并保存它们以供以后使用

最后，我想得到每个位置的最高和最低最大值和最小值（最高最大值、最低值、最高值、最低值），每个值出现的年份，并将特定日期组合在一起。这样，我就有了一个一年365天的文件，其中包含位置和4个极端值，以及每一年发生的年份。我可以处理把这些地点放在一起并创建新文件，但现在，我需要弄清楚如何获得一年中每一天的极端值

说到做到，我的输出标题应该是这样的，并且一年中的每一天都有一个文件：

位置高最高年份低最高年份高最低年份低最低年份

试一试：

test.csv：

Date,MaxT,MinT,Pcpn,Snow,Snwg
01/01/1948,34,13,0.00,0.0,T
01/02/1948,46,29,0.01,0.0,T
01/03/1948,38,16,T,T,T
01/04/1948,38,15,0.00,0.0,T
01/05/1948,44,15,0.00,0.0,T
01/06/1948,42,23,0.00,0.0,T

读取csv，将

日期设置为索引

In [1]: import pandas as pd
In [4]: df = pd.read_csv('test.csv').set_index('Date')

In [5]: df
Out[5]: 
            MaxT  MinT  Pcpn Snow Snwg
Date                                  
01/01/1948    34    13  0.00  0.0    T   
01/02/1948    46    29  0.01  0.0    T   
01/03/1948    38    16     T    T    T   
01/04/1948    38    15  0.00  0.0    T   
01/05/1948    44    15  0.00  0.0    T   
01/06/1948    42    23  0.00  0.0    T   

Pandas
提供一个很好的结构
DataFrame
来操作数据。例如，要获取最大值，请执行以下操作：

In [9]: index = df['MaxT'].idxmax() 
In [11]: index, df['MaxT'][index]
Out[11]: ('01/02/1948', 46) 

学习熊猫应该需要一些时间。
如果你的工作在这些数据上非常可靠，那就值得学习。
熊猫模块就是你想要的。为什么你不能使用数据库呢？。看来这是符合你要求的好选择。我同意@thavan。或者，更简单的是，您可以将数据导入电子表格应用程序。但我有数百个位置的数据长达125年，我想找到每个位置的值，然后将结果合并到366个不同的文件中，用于每日极端值。您可以修改示例以使用OP的分隔符。