Python 如何使用Pandas从一个文件中读取多个数据集？

我有一个文件，其中包含多组由行分隔的数据。它看起来像：

country1  
0.9  
1.3  
2.9  
1.1  
...  
country2  
4.1  
3.1  
0.2
...

---

我想使用Pandas将整个文件读入多个数据帧，其中每个数据帧对应一个国家。有什么简单的方法可以做到这一点吗？每个国家都有不同数量的条目。

您可以通过使用

errors='concurve'

创建

mask

，因此获取

NaN

列名的位置。然后通过以下方式查找并创建组：

最后使用

列表理解

查看

数据帧列表

：

dfs = [g[1:].rename(columns={0:g.iloc[0].values[0]}) for i, g in df.groupby(mask)]

print (dfs)

print (dfs[0])
  country1
1      0.9
2      1.3
3      2.9
4      1.1

print (dfs[1])
  country2
6      4.1
7      3.1
8      0.2

如果需要重置索引：

dfs = [g[1:].rename(columns={0:g.iloc[0].values[0]}).reset_index(drop=True) for i, g in df.groupby(mask)]

print (dfs)

print (dfs[0])
  country1
0      0.9
1      1.3
2      2.9
3      1.1
print (dfs[1])
  country2
0      4.1
1      3.1
2      0.2

---

Pandas支持csv和json等标准文件格式，但这不是其中之一。我假设手工重新格式化文件是浪费时间，建议您自己使用

和open（…）作为f:

和

f.readlines（）

将文件解析为python对象

假设您已经这样做了，并且格式看起来像

数据

，那么来自_dict（）的

应该可以工作：

data = { "countryName1": [0.9, 1.3, ...], "countryName2": [...]} 
df = pd.DataFrame.from_dict(data)

@ArturJ无论国家是否按数字排序，该解决方案都应该有效。jezrael正在使用
is_numeric
来识别那些不是数字的条目，以便识别子数据帧的结束和开始位置。只有当数据本身不是数字或国家名为
5.3
时，才会出现问题。总之，你应该准备好了。@ArturJ同样，如果这回答了你的问题，请记住把它标记为答案。如果你有后续问题，请随意再问一个问题。我才意识到我从来没有感谢过你出色的回答。非常感谢。
dfs = [g[1:].rename(columns={0:g.iloc[0].values[0]}).reset_index(drop=True) for i, g in df.groupby(mask)]

print (dfs)

print (dfs[0])
  country1
0      0.9
1      1.3
2      2.9
3      1.1
print (dfs[1])
  country2
0      4.1
1      3.1
2      0.2

data = { "countryName1": [0.9, 1.3, ...], "countryName2": [...]} 
df = pd.DataFrame.from_dict(data)