从python列表中的文本文件中获取匹配列

我有一个文本文件，看起来像： （来自ipython） cat路径\u到\u文件

0   0.25    truth fact 
1   0.25    train home find travel
........
199 0.25    video box store office

我还有一张单子

vec = [(76, 0.04334748761500331),
 (128, 0.03697806086341099),
 (81, 0.03131634819532892),
 (1, 0.03131634819532892)]

现在，我只想从vec中获取匹配的第一列和文本文件的第一列，并显示vec的1,2列和文本文件的第3列作为我的输出

若我有和vec相同格式的文本文件，我可以使用set（a）和set（b）。 但测试文件中的值是用制表符隔开的（这是执行以下操作时的样子）

打开（路径到文件）为f时： lines=f.read（）.splitlines（）

输出为：

['0\t0.25\ttruth fact lie
.........................
 '198\t0.25\tfan genre bit enjoy ',
 '199\t0.25\tvideo box store office  ']

---

将vec转换为

dict

，并使用

“\t”

作为分隔符拆分行应该可以：

vecdict = dict(vec)

output = []
for l in open('path_to_file'):
    words = l.split('\t')
    key = float(words[0])
    if vecdict.has_key(key):
        output.append("%s %f %s"%(words[0], vecdict[key], ' '.join(words[2:])) )

输出

应该是字符串列表

PS：如果您有多个分隔符，或者不确定是哪个分隔符，您可以重复调用

split

，或者

re

，例如

print re.findall("[\w]+", "this has    multiple delimiters\tHere")

>> ["this", "has", "multiple", "delimiters", "Here"]

---

将vec转换为

dict

，并使用

“\t”

作为分隔符拆分行应该可以：

vecdict = dict(vec)

output = []
for l in open('path_to_file'):
    words = l.split('\t')
    key = float(words[0])
    if vecdict.has_key(key):
        output.append("%s %f %s"%(words[0], vecdict[key], ' '.join(words[2:])) )

输出

应该是字符串列表

PS：如果您有多个分隔符，或者不确定是哪个分隔符，您可以重复调用

split

，或者

re

，例如

print re.findall("[\w]+", "this has    multiple delimiters\tHere")

>> ["this", "has", "multiple", "delimiters", "Here"]

---

将vec转换为

dict

，并使用

“\t”

作为分隔符拆分行应该可以：

vecdict = dict(vec)

output = []
for l in open('path_to_file'):
    words = l.split('\t')
    key = float(words[0])
    if vecdict.has_key(key):
        output.append("%s %f %s"%(words[0], vecdict[key], ' '.join(words[2:])) )

输出

应该是字符串列表

PS：如果您有多个分隔符，或者不确定是哪个分隔符，您可以重复调用

split

，或者

re

，例如

print re.findall("[\w]+", "this has    multiple delimiters\tHere")

>> ["this", "has", "multiple", "delimiters", "Here"]

---

将vec转换为

dict

，并使用

“\t”

作为分隔符拆分行应该可以：

vecdict = dict(vec)

output = []
for l in open('path_to_file'):
    words = l.split('\t')
    key = float(words[0])
    if vecdict.has_key(key):
        output.append("%s %f %s"%(words[0], vecdict[key], ' '.join(words[2:])) )

输出

应该是字符串列表

PS：如果您有多个分隔符，或者不确定是哪个分隔符，您可以重复调用

split

，或者

re

，例如

print re.findall("[\w]+", "this has    multiple delimiters\tHere")

>> ["this", "has", "multiple", "delimiters", "Here"]

使用NumPy：

import numpy as np
import numpy.lib.recfunctions as rfn

dtype = [('index', int), ('text', object)]
table = np.loadtxt(path_to_file, dtype=dtype, usecols=(0,2), delimiter='\t')

dtype = [('index', int), ('score', float)]
array = np.array(vec, dtype=dtype)

joined = rfn.join_by('index', table, array)

for row in joined:
      print row['index'], row['score'], row['text']

如果您非常关心性能，您也可以使用

np.savetxt（）

进行输出，但我认为这样更容易理解。

使用NumPy：

import numpy as np
import numpy.lib.recfunctions as rfn

dtype = [('index', int), ('text', object)]
table = np.loadtxt(path_to_file, dtype=dtype, usecols=(0,2), delimiter='\t')

dtype = [('index', int), ('score', float)]
array = np.array(vec, dtype=dtype)

joined = rfn.join_by('index', table, array)

for row in joined:
      print row['index'], row['score'], row['text']

如果您非常关心性能，您也可以使用

np.savetxt（）

进行输出，但我认为这样更容易理解。

使用NumPy：

import numpy as np
import numpy.lib.recfunctions as rfn

dtype = [('index', int), ('text', object)]
table = np.loadtxt(path_to_file, dtype=dtype, usecols=(0,2), delimiter='\t')

dtype = [('index', int), ('score', float)]
array = np.array(vec, dtype=dtype)

joined = rfn.join_by('index', table, array)

for row in joined:
      print row['index'], row['score'], row['text']

如果您非常关心性能，您也可以使用

np.savetxt（）

进行输出，但我认为这样更容易理解。

使用NumPy：

import numpy as np
import numpy.lib.recfunctions as rfn

dtype = [('index', int), ('text', object)]
table = np.loadtxt(path_to_file, dtype=dtype, usecols=(0,2), delimiter='\t')

dtype = [('index', int), ('score', float)]
array = np.array(vec, dtype=dtype)

joined = rfn.join_by('index', table, array)

for row in joined:
      print row['index'], row['score'], row['text']

---

---

如果您非常关心性能，您也可以使用

np.savetxt（）

来执行输出，但我认为这样更容易理解。

您可以指定要与

拆分一起使用的分隔符，例如
拆分（“\t”）
然后将第一个元素与向量进行比较您可以指定用于
拆分的分隔符，例如
拆分（“\t”）
然后将第一个元素与向量进行比较您可以指定用于
拆分的分隔符，例如
拆分（“\t”）
然后将第一个元素与向量进行比较您可以指定用于
拆分的分隔符，例如
拆分（“\t”）
，然后将第一个元素与向量进行比较。虽然有效，但输出是单个字符串，值之间没有空格：['90.0256546355272dark light\n']。我试图得到的值是90 0.25字符串。此外，此dict函数会自动对vec进行排序。是他们在dict中保持列表未排序的方式。您是否使用了我编辑的版本（我在大约6分钟前更新了代码，在第一个和第二个字段之间添加了空格）是的，有效。我又加了一个空格
output.append（words[0]+'+str（vecdict[key]）++'+''.join（words[2:]）
Yeah刚才也发现了这一点-切换到使用字符串格式（请参阅上次更新）以删除笨拙的字符串连接。谢谢。虽然有效，但输出是单个字符串，值之间没有空格：['90.0256546355272dark light\n']。我试图得到的值是90 0.25字符串。此外，此dict函数会自动对vec进行排序。是他们在dict中保持列表未排序的方式。您是否使用了我编辑的版本（我在大约6分钟前更新了代码，在第一个和第二个字段之间添加了空格）是的，有效。我又加了一个空格
output.append（words[0]+'+str（vecdict[key]）++'+''.join（words[2:]）
Yeah刚才也发现了这一点-切换到使用字符串格式（请参阅上次更新）以删除笨拙的字符串连接。谢谢。虽然有效，但输出是单个字符串，值之间没有空格：['90.0256546355272dark light\n']。我试图得到的值是90 0.25字符串。此外，此dict函数会自动对vec进行排序。是他们在dict中保持列表未排序的方式。您是否使用了我编辑的版本（我在大约6分钟前更新了代码，在第一个和第二个字段之间添加了空格）是的，有效。我又加了一个空格
output.append（words[0]+'+str（vecdict[key]）++'+''.join（words[2:]）
Yeah刚才也发现了这一点-切换到使用字符串格式（请参阅上次更新）以删除笨拙的字符串连接。谢谢。虽然有效，但输出是单个字符串，值之间没有空格：['90.0256546355272dark light\n']。我试图得到的值是90 0.25字符串。此外，此dict函数会自动对vec进行排序。是他们在dict中保持列表未排序的方式。您是否使用了我编辑的版本（我在大约6分钟前更新了代码，在第一个和第二个字段之间添加了空格）是的，有效。我又加了一个空格
output.append（words[0]+'+str（vecdict[key]）++'+''.join（words[2:]）
Yeah刚刚也发现了这一点-切换到使用字符串格式（请参阅上次更新）来删除冗杂的字符串连接。工作正常！是否可以保持原始的vec顺序。使用上面的代码，输出按第一列的asc顺序排序。当然，请尝试
order=np.searchsorted（表['index']，数组['index']）
和