用python读取结构化文件

我有一个数据与此类似的文件：

[START]
Name  = Peter
Sex  = Male    

Age  = 34
Income[2020]  = 40000
Income[2019]  = 38500  
[END]

[START]
Name  = Maria
Sex  = Female    

Age  = 28
Income[2020]  = 43000
Income[2019]  = 42500 
Income[2018]  = 40000 
[END]

[START]
Name  = Jane
Sex  = Female    

Age  = 41
Income[2020]  = 60500
Income[2019]  = 57500 
Income[2018]  = 54000 
[END]

我想把这些数据读入一个pandas数据框，这样最后它就和这个类似了

Name   Sex        Age        Income[2020]   Income[2019]   Income[2018]
Peter  Male       34           40000          38500            NaN
Maria  Female     28           43000          42500            40000
Jane   Female     41           60500          57500            54000

到目前为止，我还不能确定这是否是一种标准的数据文件格式（它与JSON有一些相似之处，但仍然非常不同）。

---

是否有一种优雅而快速的方式将这些数据读取到数据帧

优雅我不知道，但简单的方法，是的。Python非常擅长解析简单的格式化文本

这里，

[START]

开始一条新记录，

[END]

结束它，在一条记录中，有

key=value

行。您可以轻松构建自定义解析器，以生成记录列表，并将其输入数据帧：

inblock = False
fieldnames = []
data = []
for line in open(filename):
    if inblock:
        if line.strip() == '[END]':
            inblock = False
        elif '=' in line:
            k, v = (i.strip() for i in line.split('=', 1))
            record[k] = v
            if not k in fieldnames:
                fieldnames.append(k)
    else:
        if line.strip() == '[START]':
            inblock = True
            record = {}
            data.append(record)

df = pd.DataFrame(data, columns=fieldnames)

df

与预期一致：

    Name     Sex Age Income[2020] Income[2019] Income[2018]
0  Peter    Male  34        40000        38500          NaN
1  Maria  Female  28        43000        42500        40000
2   Jane  Female  41        60500        57500        54000

---

我不认为这种格式是一种常见的格式，所以您可能应该像读取普通文件一样读取它，单独解析它，然后将其加载到DF中。