Все три синтаксиса работают очень хорошо.
Другой способ - сначала написать
path = r'C: \ user \ .......... ......... '(каков бы ни был путь для вас)
, а затем передать его в os.chdir (путь)
Это должно делать то, что вы хотите достичь с помощью pandas
import pandas as pd
df = pd.read_csv('<your file>', header=None, names=['DateTime', 'Num1', 'Num2', 'Num3', 'Num4'])
df['DateTime'] = pd.to_datetime(df['DateTime'])
# Split datetime object in to seperate columns as desired output format
df['hour'] = df['DateTime'].dt.hour
df['minute'] = df['DateTime'].dt.minute
df['second'] = df['DateTime'].dt.second
df['day'] = df['DateTime'].dt.day
df['month'] = df['DateTime'].dt.month
df['year'] = df['DateTime'].dt.year
# Drop the DateTime columns
df.drop('DateTime', inplace=True, axis=1)
# Switch the order of columns to desired order
df = df[['hour', 'minute', 'second', 'day', 'month', 'year', 'Num1', 'Num2', 'Num3', 'Num4']]
#export to file with ' ' as seperator
df.to_csv('output file.txt', sep=' ', index=False, header=None)
Как насчет:
with open('filename','r') as f:
out = []
a = f.read().replace(':',' ').replace(',','').split('\n')
for i in a:
out.append(i.split(' '))
print(out[0:-1])
[0:-1]
, чтобы отбросить последний пустой элемент
Мне всегда нравится обрабатывать файлы, используя конвейерный подход, таким образом, вы можете использовать параллелизм, если ваши входные данные становятся действительно большими. В любом случае, вы можете легко проверить производительность, используя %timeit
, если вы используете ipython, но вот что я бы сделал:
processed = ""
def replace_char(line, char, replacement):
return line.replace(char, replacement)
with open('SOME_PATH') as fh:
processed += replace_char(replace_char(fh.read(), ":", " "), ",", "")
print(processed)
# OUTPUT
# 06 38 34 16.09.2017 739648.41186077976.8575 54.791616 12.727939
# 06 38 35 16.09.2017 739647.06286077975.6925 54.791606 12.727917
С этим подходом, если вы хотите внести изменения в способ обработки файл все, что вам нужно сделать, это изменить replace_char или написать другую функцию, если хотите. Если вам нужен параллелизм, вы можете использовать пакеты multiprocessing
или asyncio
.