在python中准备数据，一列按字符分隔成两列

我有一个从

spike2

导出为

.txt

的文件，其中包含两个长度相同的信号。我使用

pandas.read\u cvs

导入文件。 该文件由19行字符组成，然后在一列中开始我的信号值。在中间有两行字符，并开始我的第二信号的值。与此模式类似：

"text'.........."
"text'.........."
...
...
"text'.........."
"text'.........."
1.5
2.71
...
...
...
0.56
"text'.........."
1.98
0.567
...
...
...
6.89

我想自动分离我的两个信号，一个接一个地绘制它们（共享x轴），并绘制每个信号的光谱图

但直到现在，我还不能轻易地把我的两个信号分开。

您可以通过以下几个步骤完成此操作：

使用的和参数可以在读取文件时忽略前几行

使用和删除所有文本行

向下拆分一半，然后放入另一列中，后跟

len（df）/2

假设您有，只需调用display即可

例如：

%matplotlib inline
import pandas as pd
from cStringIO import StringIO

text_file = '''text line
text line
text line
text line
text line
text line
1.5
2.71
0.567
2.71
2.71
0.56
text line
1.98
0.567
1.98
2.71
0.56
6.89'''

# Read in data with, separate data with newline (\n) and skip the first n lines
# StringIO(text_file) is for example only
# Normally, you would use pd.read_csv('/path/to/file.csv', ...)
df = pd.read_csv(StringIO(text_file), sep='\n', header=None, skiprows=6)
print 'Two signals:'
print df
print

print 'Force to numbers:'
df = df.apply(pd.to_numeric, errors='coerce')
print df
print

print 'Remove NaNs:'
df = df.dropna().reset_index().drop('index', 1)
print df
print

# You should have 2 equal length signals, one after the other, so split half way
print 'Split into two columns:'
s1 = df[:len(df)/2].reset_index().drop('index', 1)
s2 = df[len(df)/2:].reset_index().drop('index', 1)
df = pd.concat([s1, s2], axis=1)
df.columns = ['sig1', 'sig2']
print df
print

# Plot, assuming you have matplotlib library
df.plot()

---

---

---

光谱图将不得不等待…

你真的想以专横的方式将它们分开吗？你是说自动？我只是不想手动计算第一个信号的列中有多少行…是的，对不起，我没有看到它…我无法抗拒，它看起来太有趣了，如果代码给你带来麻烦，你可能会觉得这样。哈哈。我知道我以前在代码中也有过这样的感觉：）看看下面我的答案，给你一个开始。这是一个完美的例子！令人惊叹的！光谱图几乎应该是另一个问题。现在您已经有了可计算形式的数据，您应该能够在SO或google上找到其他光谱图示例。

Two signals:
            0
0         1.5
1        2.71
2       0.567
3        2.71
4        2.71
5        0.56
6   text line
7        1.98
8       0.567
9        1.98
10       2.71
11       0.56
12       6.89

Force to numbers:
        0
0   1.500
1   2.710
2   0.567
3   2.710
4   2.710
5   0.560
6     NaN
7   1.980
8   0.567
9   1.980
10  2.710
11  0.560
12  6.890

Remove NaNs:
        0
0   1.500
1   2.710
2   0.567
3   2.710
4   2.710
5   0.560
6   1.980
7   0.567
8   1.980
9   2.710
10  0.560
11  6.890

Split into two columns:
    sig1   sig2
0  1.500  1.980
1  2.710  0.567
2  0.567  1.980
3  2.710  2.710
4  2.710  0.560
5  0.560  6.890