Python 从.txt(文本)文件解析表
我从python分析器中获得了一些分析结果,如下所示:Python 从.txt(文本)文件解析表,python,python-3.x,text,text-parsing,memory-profiling,Python,Python 3.x,Text,Text Parsing,Memory Profiling,我从python分析器中获得了一些分析结果,如下所示: Filename: main.py Line # Mem usage Increment Line Contents ================================================ 30 121.8 MiB 121.8 MiB @profile(stream=f) 31 def parse_data(d
Filename: main.py
Line # Mem usage Increment Line Contents
================================================
30 121.8 MiB 121.8 MiB @profile(stream=f)
31 def parse_data(data):
32 121.8 MiB 0.0 MiB Y=data["price"].values
33 121.8 MiB 0.0 MiB Y=np.log(Y)
34 121.8 MiB 0.0 MiB features=data.columns
35 121.8 MiB 0.0 MiB X1=list(set(features)-set(["price"]))
36 126.3 MiB 4.5 MiB X=data[X1].values
37 126.3 MiB 0.0 MiB ss=StandardScaler()
38 124.6 MiB 0.0 MiB X=ss.fit_transform(X)
39 124.6 MiB 0.0 MiB return X,Y
Filename: main.py
Line # Mem usage Increment Line Contents
================================================
41 127.1 MiB 127.1 MiB @profile(stream=f)
42 def linearRegressionfit(Xt,Yt,Xts,Yts):
43 127.1 MiB 0.0 MiB lr=LinearRegression()
44 131.2 MiB 4.1 MiB model=lr.fit(Xt,Yt)
45 132.0 MiB 0.8 MiB predict=lr.predict(Xts)
46
现在,我需要获得这些结果用于绘图和其他目的。但是文本不是很方便。该表显示了逐行分析的结果。如何获取可用于从此表中获取任何行或列的pandas dataframe或表格版本
另外,我已经访问了
regex
和consimonious
,但似乎无法在我的案例中使用它们。这只是一点解析练习。通过使用标准的split()和一些小的调整,您可以在几行代码中获得一个非常干净的数据帧
txt = '''
Filename: main.py
Line # Mem usage Increment Line Contents
================================================
30 121.8 MiB 121.8 MiB @profile(stream=f)
31 def parse_data(data):
32 121.8 MiB 0.0 MiB Y=data["price"].values
33 121.8 MiB 0.0 MiB Y=np.log(Y)
34 121.8 MiB 0.0 MiB features=data.columns
35 121.8 MiB 0.0 MiB X1=list(set(features)-set(["price"]))
36 126.3 MiB 4.5 MiB X=data[X1].values
37 126.3 MiB 0.0 MiB ss=StandardScaler()
38 124.6 MiB 0.0 MiB X=ss.fit_transform(X)
39 124.6 MiB 0.0 MiB return X,Y
Filename: main.py
Line # Mem usage Increment Line Contents
================================================
41 127.1 MiB 127.1 MiB @profile(stream=f)
42 def linearRegressionfit(Xt,Yt,Xts,Yts):
43 127.1 MiB 0.0 MiB lr=LinearRegression()
44 131.2 MiB 4.1 MiB model=lr.fit(Xt,Yt)
45 132.0 MiB 0.8 MiB predict=lr.predict(Xts)
'''
import pandas as pd
lines = []
for line in txt.split('\n'):
#print(line)
if line.startswith('Filename'): continue
if line.startswith('Line'): continue
if line.startswith('='): continue
if line == '': continue
data = [i.strip() for i in line.split()]
#Fix def lines
if data[1] == 'def':
data = [data[0],'','','','',' '.join(data[1:4])]
data = [data[0], ' '.join(data[1:3]), ' '.join(data[3:5]), data[-1]]
lines.append(data)
df = pd.DataFrame(lines, columns=['Line #', 'Mem usage', 'Increment','Line Contents'])
print(df)
Line # Mem usage Increment Line Contents
0 30 121.8 MiB 121.8 MiB @profile(stream=f)
1 31 def parse_data(data):
2 32 121.8 MiB 0.0 MiB Y=data["price"].values
3 33 121.8 MiB 0.0 MiB Y=np.log(Y)
4 34 121.8 MiB 0.0 MiB features=data.columns
5 35 121.8 MiB 0.0 MiB X1=list(set(features)-set(["price"]))
6 36 126.3 MiB 4.5 MiB X=data[X1].values
7 37 126.3 MiB 0.0 MiB ss=StandardScaler()
8 38 124.6 MiB 0.0 MiB X=ss.fit_transform(X)
9 39 124.6 MiB 0.0 MiB X,Y
10 41 127.1 MiB 127.1 MiB @profile(stream=f)
11 42 def linearRegressionfit(Xt,Yt,Xts,Yts):
12 43 127.1 MiB 0.0 MiB lr=LinearRegression()
13 44 131.2 MiB 4.1 MiB model=lr.fit(Xt,Yt)
14 45 132.0 MiB 0.8 MiB predict=lr.predict(Xts)
然后,当“@profile”
位于“行内容”
中时,可以拆分数据帧
例如:
split_idx = df[df['Line Contents'].str.startswith('@profile')].index
dataframes = []
for i, idx in enumerate(split_idx):
try:
dataframes.append(df.iloc[idx, split_idx[i+1]])
except IndexError:
dataframes.append(df.iloc[idx:])
print(dataframes[0])
print('======')
print(dataframes[1])
Line # Mem usage Increment Line Contents
0 30 121.8 MiB 121.8 MiB @profile(stream=f)
1 31 def parse_data(data):
2 32 121.8 MiB 0.0 MiB Y=data["price"].values
3 33 121.8 MiB 0.0 MiB Y=np.log(Y)
4 34 121.8 MiB 0.0 MiB features=data.columns
5 35 121.8 MiB 0.0 MiB X1=list(set(features)-set(["price"]))
6 36 126.3 MiB 4.5 MiB X=data[X1].values
7 37 126.3 MiB 0.0 MiB ss=StandardScaler()
8 38 124.6 MiB 0.0 MiB X=ss.fit_transform(X)
9 39 124.6 MiB 0.0 MiB X,Y
10 41 127.1 MiB 127.1 MiB @profile(stream=f)
11 42 def linearRegressionfit(Xt,Yt,Xts,Yts):
12 43 127.1 MiB 0.0 MiB lr=LinearRegression()
13 44 131.2 MiB 4.1 MiB model=lr.fit(Xt,Yt)
14 45 132.0 MiB 0.8 MiB predict=lr.predict(Xts)
======
Line # Mem usage Increment Line Contents
10 41 127.1 MiB 127.1 MiB @profile(stream=f)
11 42 def linearRegressionfit(Xt,Yt,Xts,Yts):
12 43 127.1 MiB 0.0 MiB lr=LinearRegression()
13 44 131.2 MiB 4.1 MiB model=lr.fit(Xt,Yt)
14 45 132.0 MiB 0.8 MiB predict=lr.predict(Xts)
现在还不完全清楚是要解析整个文本,还是每个表都有一个文本文件并要解析该表 如果要从每个表创建一个数据帧,使用
skiprows
参数到read_fwf
应该可以工作(这会跳过文件中的非标准行,但会解析其余行)。在这里,我将第一个表的内容存储到一个文件sample-1.txt
,并使用read\u fwf
读取它
导入熊猫
df=pandas.read_fwf('sample-1.txt',skiprows=[1])
这将给出以下数据帧
>>> df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10 entries, 0 to 9
Data columns (total 4 columns):
Line # 10 non-null int64
Mem usage 9 non-null object
Increment 9 non-null object
Line Contents 10 non-null object
dtypes: int64(1), object(3)
memory usage: 392.0+ bytes
>>df.info()
范围索引:10个条目,0到9
数据列(共4列):
第10行非空int64
Mem用法9非空对象
增量9非空对象
行内容10非空对象
数据类型:int64(1),对象(3)
内存使用:392.0+字节
如果要将其拆分为单独的表,则必须在每次提到Filename:main.py
时将该文件拆分为另一个解决方案
可以使用文本生成时间序列数据
示例代码:
from ttp import ttp
import pprint
data_1 = """
Line # Mem usage Increment Line Contents
================================================
30 121.8 MiB 121.8 MiB @profile(stream=f)
31 def parse_data(data):
32 121.8 MiB 0.0 MiB Y=data["price"].values
33 121.8 MiB 0.0 MiB Y=np.log(Y)
34 121.8 MiB 0.0 MiB features=data.columns
35 121.8 MiB 0.0 MiB X1=list(set(features)-set(["price"]))
36 126.3 MiB 4.5 MiB X=data[X1].values
37 126.3 MiB 0.0 MiB ss=StandardScaler()
38 124.6 MiB 0.0 MiB X=ss.fit_transform(X)
39 124.6 MiB 0.0 MiB return X,Y
"""
data_2 = """
Line # Mem usage Increment Line Contents
================================================
41 127.1 MiB 127.1 MiB @profile(stream=f)
42 def linearRegressionfit(Xt,Yt,Xts,Yts):
43 127.1 MiB 0.0 MiB lr=LinearRegression()
44 131.2 MiB 4.1 MiB model=lr.fit(Xt,Yt)
45 132.0 MiB 0.8 MiB predict=lr.predict(Xts)
46
"""
template = """
<vars>
timestamp = "get_timestamp_iso"
</vars>
<group macro="process">
Line_N Mem_usage Increment Line_Contents {{ _headers_ }}
{{ @timestamp | set(timestamp) }}
</group>
<macro>
def process(data):
# remove ===== matches
if "====" in data["Line_N"]:
return False
# convert Increment to integer
incr = data.pop("Increment").split(" ")[0]
data["Increment_MiB"] = float(incr) if incr else 0.0
# convert Mem usage to integer
memuse = data.pop("Mem_usage").split(" ")[0]
data["Mem_usage_MiB"] = float(memuse) if memuse else 0.0
return data
</macro>
"""
parser = ttp(template=template)
parser.add_input(data_1)
parser.add_input(data_2)
parser.parse()
res = parser.result(structure="flat_list")
pprint.pprint(res)
# will print:
# [{'@timestamp': '2020-08-01T21:57:51.734448+00:00',
# 'Increment_MiB': 121.8,
# 'Line_Contents': '@profile(stream=f)',
# 'Line_N': '30',
# 'Mem_usage_MiB': 121.8},
# {'@timestamp': '2020-08-01T21:57:51.734448+00:00',
# 'Increment_MiB': 0.0,
# 'Line_Contents': 'def parse_data(data):',
# 'Line_N': '31',
# 'Mem_usage_MiB': 0.0},
# {'@timestamp': '2020-08-01T21:57:51.734448+00:00',
# 'Increment_MiB': 0.0,
# 'Line_Contents': 'Y=data["price"].values',
# 'Line_N': '32',
# 'Mem_usage_MiB': 121.8},
# {'@timestamp': '2020-08-01T21:57:51.734448+00:00',
# 'Increment_MiB': 0.0,
# 'Line_Contents': 'Y=np.log(Y)',
# 'Line_N': '33',
# 'Mem_usage_MiB': 121.8},
# {'@timestamp': '2020-08-01T21:57:51.734448+00:00',
# 'Increment_MiB': 0.0,
# 'Line_Contents': 'features=data.columns',
# 'Line_N': '34',
# 'Mem_usage_MiB': 121.8},
# {'@timestamp': '2020-08-01T21:57:51.734448+00:00',
# 'Increment_MiB': 0.0,
# 'Line_Contents': 'X1=list(set(features)-set(["price"]))',
# 'Line_N': '35',
# 'Mem_usage_MiB': 121.8},
# {'@timestamp': '2020-08-01T21:57:51.734448+00:00',
# 'Increment_MiB': 4.5,
# 'Line_Contents': 'X=data[X1].values',
# 'Line_N': '36',
# 'Mem_usage_MiB': 126.3},
# {'@timestamp': '2020-08-01T21:57:51.734448+00:00',
# 'Increment_MiB': 0.0,
# 'Line_Contents': 'ss=StandardScaler()',
# 'Line_N': '37',
# 'Mem_usage_MiB': 126.3},
# {'@timestamp': '2020-08-01T21:57:51.734448+00:00',
# 'Increment_MiB': 0.0,
# 'Line_Contents': 'X=ss.fit_transform(X)',
# 'Line_N': '38',
# 'Mem_usage_MiB': 124.6},
# {'@timestamp': '2020-08-01T21:57:51.734448+00:00',
# 'Increment_MiB': 0.0,
# 'Line_Contents': 'return X,Y',
# 'Line_N': '39',
# 'Mem_usage_MiB': 124.6},
# {'@timestamp': '2020-08-01T21:57:51.738444+00:00',
# 'Increment_MiB': 127.1,
# 'Line_Contents': '@profile(stream=f)',
# 'Line_N': '41',
# 'Mem_usage_MiB': 127.1},
# {'@timestamp': '2020-08-01T21:57:51.738444+00:00',
# 'Increment_MiB': 0.0,
# 'Line_Contents': 'def linearRegressionfit(Xt,Yt,Xts,Yts):',
# 'Line_N': '42',
# 'Mem_usage_MiB': 0.0},
# {'@timestamp': '2020-08-01T21:57:51.738444+00:00',
# 'Increment_MiB': 0.0,
# 'Line_Contents': 'lr=LinearRegression()',
# 'Line_N': '43',
# 'Mem_usage_MiB': 127.1},
# {'@timestamp': '2020-08-01T21:57:51.738444+00:00',
# 'Increment_MiB': 4.1,
# 'Line_Contents': 'model=lr.fit(Xt,Yt)',
# 'Line_N': '44',
# 'Mem_usage_MiB': 131.2},
# {'@timestamp': '2020-08-01T21:57:51.738444+00:00',
# 'Increment_MiB': 0.8,
# 'Line_Contents': 'predict=lr.predict(Xts)',
# 'Line_N': '45',
# 'Mem_usage_MiB': 132.0}]
从ttp导入ttp
导入pprint
数据_1=“”
行#内存使用增量行内容
================================================
30 121.8 MiB 121.8 MiB@剖面图(流=f)
31 def解析_数据(数据):
32 121.8 MiB 0.0 MiB Y=数据[“价格”]。值
33 121.8 MiB 0.0 MiB Y=np.log(Y)
34 121.8 MiB 0.0 MiB功能=数据列
35 121.8 MiB 0.0 MiB X1=列表(设置(功能)-设置([“价格]))
36 126.3 MiB 4.5 MiB X=数据[X1]。值
37 126.3 MiB 0.0 MiB ss=StandardScaler()
38 124.6 MiB 0.0 MiB X=ss.fit_变换(X)
39 124.6 MiB 0.0 MiB返回X,Y
"""
数据_2=“”
行#内存使用增量行内容
================================================
41 127.1 MiB 127.1 MiB@配置文件(流=f)
42 def线性回归拟合(Xt、Yt、Xts、Yts):
43 127.1 MiB 0.0 MiB lr=线性回归()
44 131.2 MiB 4.1 MiB模型=lr.fit(Xt,Yt)
45 132.0 MiB 0.8 MiB预测=lr.predict(Xts)
46
"""
模板=“”“
timestamp=“获取时间戳”
行内存使用增量行内容{{{u头}
{{@timestamp | set(timestamp)}
def过程(数据):
#删除=====匹配项
如果数据[“行”]中的“==”:
返回错误
#将增量转换为整数
incr=data.pop(“增量”).split(“”[0]
数据[“增量”]=浮动(增量),如果增量为0.0
#将Mem用法转换为整数
memuse=data.pop(“Mem_用法”).split(“”[0]
数据[“Mem_usage_MiB”]=浮点(memuse),如果memuse else为0.0
返回数据
"""
解析器=ttp(模板=模板)
解析器.添加输入(数据1)
解析器.添加输入(数据2)
parser.parse()
res=parser.result(structure=“flat\u list”)
pprint.pprint(res)
#将打印:
#[{@timestamp':'2020-08-01T21:57:51.734448+00:00',
#“增量_MiB”:121.8,
#“行内容”:“@profile(stream=f)”,
#‘行’:‘30’,
#'Mem_usage_MiB':121.8},
#{@timestamp':'2020-08-01T21:57:51.734448+00:00',
#“增量_MiB”:0.0,
#'行内容':'定义解析数据(数据):',
#‘行’:‘31’,
#'Mem_usage_MiB':0.0},
#{@timestamp':'2020-08-01T21:57:51.734448+00:00',
#“增量_MiB”:0.0,
#“行内容”:“Y=数据[“价格”]。值”,
#'行N':'32',
#'Mem_usage_MiB':121.8},
#{@timestamp':'2020-08-01T21:57:51.734448+00:00',
#“增量_MiB”:0.0,
#“行内容”:“Y=np.log(Y)”,
#‘行’:‘33’,
#'Mem_usage_MiB':121.8},
#{@timestamp':'2020-08-01T21:57:51.734448+00:00',
#“增量_MiB”:0.0,
#“行内容”:“功能=数据.列”,
#‘行’:‘34’,
#'Mem_usage_MiB':121.8},
#{@timestamp':'2020-08-01T21:57:51.734448+00:00',
#“增量_MiB”:0.0,
#“行内容”:“X1=列表(集合(功能)-集合([“价格”])”,
#‘行’:‘35’,
#'Mem_usage_MiB':121.8},
#{@timestamp':'2020-08-01T21:57:51.734448+00:00',
#“增量_MiB”:4.5,
#“行内容”:“X=数据[X1]。值”,
#‘行’:‘36’,
#'Mem_usage_MiB':126.3},
#{@timestamp':'2020-08-01T21:57:51.734448+00:00',
#“增量_MiB”:0.0,
#“行内容”:“ss=StandardScaler()”,
#‘行’:‘37’,
#'Mem_usage_MiB':126.3},
#{@timestamp':'2020-08-01T21:57:51.734448+00:00',
#“增量_MiB”:0.0,
#“行内容”:“X=ss.fit\u变换(X)”,
#‘行’:‘38’,
#'Mem_usage_MiB':124.6},
#{@timestamp':'2020-08-01T21:57:51.734448+00:00',
#“增量_MiB”:0.0,
#“行内容”:“返回X,Y”,
#第39行:,
#'Mem_usage_MiB':124.6},
#{@timestamp':'2020-08-01T21:57:51.738444+00:00',
#“增量_MiB”:127.1,
#“行内容”:“@profile(stream=f)”,
#第41行:,
#'Mem_usage_MiB':127.1},
#{@timestamp':'2020-08-01T21:57:51.738444+00:00',
#“增量_MiB”:0.0,
#“行内容”:“def linearRegressionfit(Xt,Yt,Xts,Yts):”,
#‘行’:‘42’,
#'Mem_usage_MiB':0.0},
#{'@ti