如何解决Python Pandas 迭代值列表并写入单独的文本文件
我正在使用如下所示的 CSV 数据集:
img_id obj_id xcen ycen width height
0 94a69b66-23f0-11e9-a78e-2f2b7983ac0d 0 0.377734 0.091667 0.071094 0.183333
1 94a6a3a4-23f0-11e9-a78f-ebd9c88ef3e8 0 0.375781 0.090972 0.075000 0.181944
2 94a6a430-23f0-11e9-a790-2b5f72f1667a 0 0.378516 0.091667 0.069531 0.183333
3 94a6a48a-23f0-11e9-a791-fb958b6ab6b3 0 0.391406 0.106944 0.076563 0.213889
4 94a6a4da-23f0-11e9-a792-f320b734bd9b 0 0.395313 0.106250 0.068750 0.212500
5 94a6a534-23f0-11e9-a793-c7e8fecc9fa8 0 0.362109 0.127778 0.105469 0.225000
我想要做的是将每一行写入一个单独的文本文件,每一列值在一行上用逗号分隔。
我只是将 img_id 从写入文本文件中删除,因为我使用 img_id 来命名单个文本文件。
我一直在尝试不同的方法,但在将每一行写入其各自的文本文件时遇到了问题。我已经成功地让每个单独的文本文件以其 img_id 命名。
0,0.377734,0.091667,0.071094,0.183333
目前,我正在尝试对一列进行迭代,而不是将每一行都放入相应的文本文件中,而是将使用 .values()
方法获得的整个列表放入每个文本文件中,如下所示
[0,0.......0,0]
还有一些 img_ids 是相同的,所以我想防止在我的代码创建它时用另一个同名的 txt 文件覆盖一个 txt 文件,如果有多个 img_id 然后而不是创建另一个文本文件和(我假设)用相同的 img_id 覆盖先前的文本文件,它将该行添加到文本文件中,因此现在有 2 行如下:
94a6a54-23f0-11e9-a793-c7e8fecc9fa8.txt的内容
0,0.362109,0.127778,0.105469,0.225000
0,0.175781,0.283642,0.210913,0.293922
这是我目前正在使用的代码。
file = '{}.txt'
a = df['img_id'].values
b = df['object_class'].values
c = df['xcen'].values
d = df['ycen'].values
e = df['width'].values
f = df['height'].values
b = str(b)
c = str(c)
d = str(d)
e = str(e)
f = str(f)
for x in a:
with open(file.format(x),'w') as f:
for i in b:
f.write(i)
解决方法
示例数据:
>>> df
img_id object_class xcen ycen width height
0 b192cbd4-7958-4a82-8f90-42217076a66c 4 0.211284 0.428579 0.287383 0.683370
1 b192cbd4-7958-4a82-8f90-42217076a66c 2 0.840717 0.040433 0.192738 0.545159
2 9d452f25-aa60-4fe1-9165-a1a8a981a372 2 0.840717 0.040433 0.192738 0.545159
3 3fa5d0d9-c781-40ad-a8f5-a1eae7d51b98 9 0.741793 0.098438 0.707242 0.102758
4 706ad967-11a6-4e6f-85bc-24bc204597f4 4 0.786071 0.735364 0.661866 0.453724
5 1b577e42-d037-4f7b-918e-1c7e6cc7e7a1 17 0.513458 0.012236 0.856802 0.894129
6 c4c16c64-30cd-450b-ab08-543c4818f1f3 13 0.625725 0.765523 0.007714 0.678993
7 329b908e-ce41-4fd1-b671-b20909c3b31d 10 0.784206 0.831250 0.728761 0.809600
8 fd83b03c-2a84-4cb3-834d-714167475104 7 0.508803 0.137691 0.290492 0.206802
9 6ce64fd0-ca9b-47e8-ae1d-049a87468197 13 0.919442 0.168500 0.995826 0.250895
10 66ddffca-fdea-444f-ae79-d4ee284b9385 12 0.920211 0.803805 0.360863 0.866571
导出文件:
for filename,data in df.groupby("img_id"):
data.drop(columns="img_id").to_csv(f"{filename}.txt",header=None,index=None)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。