Блог

У меня есть файлы данных, которые выглядят следующим образом:

    1         97289.7040474555       4115155.1896845801     0.00               !CBBT
   2        110001.7354024933       4137233.7577695986     0.00               !Kipp
   3         74939.1481210588       4112567.6513698865     0.00               !Sewell
   4         79229.7242711330       4187153.1872533290     0.00
   5         61695.8917768109       4228702.2687039487     0.00               !Lew
   6         60107.3402798224       4339752.4155515051     0.00
   7         50000.7890042169       4371192.7593760351     0.00
   8         83629.3190899160       4365284.1160797141     0.00               !Tolchester
   9        102439.5140892575       4294944.9082385190     0.00               !Cam
  10         57967.0160118927       4146324.9518534313     0.00
  11        134578.0549105595       4027953.9016875746     0.00             !Duck
  12         98480.8626             4069397.4626           0.0000           !       030102051108    Tull Bay-Northwest River
  13         79345.3319             4069313.0018           0.0000           !       030102051102    Culpeper Island-Dismal Swamp
  14         93152.7452             4069628.5738           0.0000           !       030102051104    Indian Creek-Northwest River
  15        105488.9967             4070521.3806           0.0000           !       030102051206    Milldam Creek-North Landing River
...
  

Я хотел бы прочитать это в фрейме данных Pandas с первыми четырьмя столбцами в виде чисел, а затем остальную часть строки в виде строки, содержащей полный комментарий или примечание, в 5-й столбец. Я не могу рассчитывать на наличие интервала или ! символов.

Если я попытаюсь

 import pandas as pd

df = pd.read_csv('foo.txt',sep='s ',
           dtype={'id': np.int32, 'x': np.float64, 'y': np.float64, 'note': str},)
  

Я получаю только первую маркерную ценность комментария, разделенную пробелом, в note столбец.

Я бы хотел что-то вроде limit функциональности функции perl split REGEX, STRING, LIMIT .

Сначала прочитайте файл в один столбец с некоторым разделителем, которого нет в файле, | а затем выполните следующие действия Series.str.split , назначив новые столбцы и DataFrame.astype :

 df = pd.read_csv('foo.txt', sep="|", header=None)
print (df)


d = {'id': np.int32, 'x': np.float64, 'y': np.float64,'z':np.float64, 'note': str}

df = df[0].str.split(n=4, expand=True)
df.columns = list(d.keys())
df = df.astype(d)
  

 print (df)
    id              x             y    z  
0    1   97289.704047  4.115155e 06  0.0   
1    2  110001.735402  4.137234e 06  0.0   
2    3   74939.148121  4.112568e 06  0.0   
3    4   79229.724271  4.187153e 06  0.0   
4    5   61695.891777  4.228702e 06  0.0   
5    6   60107.340280  4.339752e 06  0.0   
6    7   50000.789004  4.371193e 06  0.0   
7    8   83629.319090  4.365284e 06  0.0   
8    9  102439.514089  4.294945e 06  0.0   
9   10   57967.016012  4.146325e 06  0.0   
10  11  134578.054911  4.027954e 06  0.0   
11  12   98480.862600  4.069397e 06  0.0   
12  13   79345.331900  4.069313e 06  0.0   
13  14   93152.745200  4.069629e 06  0.0   
14  15  105488.996700  4.070521e 06  0.0   

                                                 note  
0                                               !CBBT  
1                                               !Kipp  
2                                             !Sewell  
3                                                 nan  
4                                                !Lew  
5                                                 nan  
6                                                 nan  
7                                         !Tolchester  
8                                                !Cam  
9                                                 nan  
10                                              !Duck  
11   !       030102051108    Tull Bay-Northwest River  
12  !       030102051102    Culpeper Island-Dismal...  
13  !       030102051104    Indian Creek-Northwest...  
14  !       030102051206    Milldam Creek-North La...