Python 如何在不使用pandas的情况下将平面文本文件导入数组？

我有一个文本文件数据库，其中包含了关于不同人群的信息，我需要使用Python对此进行一些分析。文件内容的格式如下所示：

<代码>名字：杰夫 姓：弗罗斯特 身份证号码：190293 身高：194 孩子们：乔治、玛丽 名字：海伦 姓氏：奥利弗 身份证号码：198895 身高：164 等等，大约还有1000人。我想把它变成一个数据结构，我可以使用它进行进一步的分析，但我不太确定如何使用它，因为它的格式与我以前使用的格式有很大的不同

---

我遇到的另一个问题是，对于没有孩子的人来说，这条线完全没有了（就像例子中的海伦一样）。为了让事情变得更困难，我只能使用标准库和numpy（而不是熊猫，否则我会尝试使用）。好吧，如果你不能使用任何特别有用的第三方库（无论如何，为什么不能？），那么你必须“手工”完成

您将打开文本文件并逐行读取它，然后检查该行的内容：如果该行不是空的，则可以使用字符串对象的

split

方法访问字段，如果有子行，还可以使用进一步的

split

获取单个子行。如果该行为空，您将开始一条新记录

---

这是一个高层次的方法，我鼓励你们在这一点上尝试一下，如果你们有进一步的具体问题，再回来。但是，自己弄清楚如何逐行读取文件和拆分字符串等是很有价值的经验：）

我会避免使用一行，这样更容易理解。我假设您知道如何打开文本文档，我只是将其复制粘贴到下面的代码段中：

string = '''First name: Jeff
Last name: Frost
ID number: 190293
Height: 194
Children: George, Mary

First name: Helen
Last name: Oliver
ID number: 198895
Height: 164'''

people = [ prop for prop in string.split('\n\n') ] # Separating Jeff from Helen
properties = [i.split('\n') for i in people] # Separating their properties.
l = []
for p in properties:
    l.append(dict([i.split(':') for i in p])) # Turn each persons' properties into dictionaries

l

将是一个字典列表，类似于

json

文件。如果将其转换为数据帧，则会给出：

df = pd.DataFrame(l)

输出：

      First name Last name ID number Height       Children
0       Jeff     Frost    190293    194   George, Mary
1      Helen    Oliver    198895    164            NaN

---

为什么你的孩子被名字而不是ID联系起来？还有，你试过什么了吗？