Python读取文本数据并转换为DataFrame的完整流程

拾光

发布时间：2026-10-13 | 3人浏览过

原创

本文介绍如何使用Python和Pandas库，将包含“类别：内容”格式的纯文本文件转换为结构化的DataFrame表格。通过遍历文件行、利用冒号分割键值对并构建字典，最终生成包含指定列名的DataFrame对象，实现从非结构化数据到表格数据的便捷转换。

在技术社区中，这类问题较为常见，因此单独撰写文章进行详细说明。

首先，从纯文本文件“file_in”中读取原始数据，其具体格式如下所示：

目标是将上述数据输出为“file_out”，其期望格式如下：

原始数据的结构为“类别：内容”，条目之间以空行（\n）分隔。转换的目标是将每个条目单独占一行，并严格按照类别顺序依次列出对应内容。

建议在读取数据后，利用pandas库将其构建为DataFrame表格格式，以便后续更高效地处理数据。由于原始格式并非标准的表格形式，因此需要进行初步的数据清洗和结构化处理。

#coding:utf8
import sys
from pandas import DataFrame  #DataFrame通常来装二维的表格
import pandas as pd      #pandas是流行的做数据分析的包
#建立字典，键和值都从文件里读出来。键是nam，age……，值是lili，jim……
dict_data={}
#打开文件
with open('file_in.txt','r')as df:
  #读每一行
  for line in df:
    #如果这行是换行符就跳过，这里用'\n'的长度来找空行
    if line.count('\n') == len(line):
      continue
    #对每行清除前后空格（如果有的话），然后用"："分割
    for kv in [line.strip().split(':')]:
      #按照键，把值写进去
      dict_data.setdefault(kv[0],[]).append(kv[1])
#print（dict_data）看看效果
#这是把键读出来成为一个列表
columnsname=list(dict_data.keys())
#建立一个DataFrame，列名即为键名，也就是nam，age……
frame = DataFrame(dict_data,columns=columnsname)
#把DataFrame输出到一个表，不要行名字和列名字
frame.to_csv('file_out0.txt',index=False,header=False)

以上即为Python读取文本数据并转化为DataFrame的完整示例，希望能为读者提供有价值的参考，同时也欢迎大家继续支持本站。