pandas.read_fwf(filepath_or_buffer, colspecs='infer', widths=None, infer_nrows=100, **kwds) 源代码
将具有固定宽度格式的行组成的表读入DataFrame。
还支持可选的文件迭代或分割成块。
可以在online docs for IO Tools中找到其他帮助
参数: | filepath_or_buffer : 任何有效的字符串路径都是可接字符串可以是URL。 有效的URL方案包括 需要主机。本地文件可以是： 如果要传入路径对象， pandas接受 通过类似文件的对象，我们使用 例如，文件处理程序（例如，通过内置的open函数）或 colspecs : 元组（int，int）或‘ 一个元组列表，给出每行固定宽度字段的范围为半开间隔（即 字符串值' 跳过的数据的前100行检测列规范。 widths : int列表，可选 如果间隔是连续的，则可以使用字段宽度列表(list)代替' infer_nrows :int，默认为100 让解析器确定 版本0.24.0中的新功能。 **kwds : 可选 可选的关键字参数可以传递给 |
返回: |
逗号分隔值（csv）文件作为具有标记轴的二维数据结构返回。 |
例子，
import pandas as pd
import numpy as np
# 生成示例数据并写入固定宽度格式文件
data = [
['line1', 2023, 120, 12, 30, 45, 'sensor1', 1.1, 0.1, 0.5, 3.3, 1.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 1.5, 2.5],
['line2', 2023, 121, 14, 45, 15, 'sensor2', 1.2, 0.2, 0.6, 3.4, 1.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.6, 2.6],
['line3', 2023, 122, 16, 15, 30, 'sensor3', 1.3, 0.3, 0.7, 3.5, 1.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0, 1.7, 2.7]
]
# 固定宽度格式的文件内容
content = "\n".join(["".join(f"{item[i]:<{col_width}}" for i, col_width in enumerate([10, 4, 3, 2, 2, 2, 8, 8, 7, 8, 8, 8, 8, 8, 8, 8, 8, 8, 8, 8, 6])) for item in data])
# 写入文件
with open('data.csv', 'w') as f:
f.write(content)
# 定义列名和宽度
col_names = ['line_name', 'year', 'day', 'hour', 'minute', 'second',
'sensor', 'spring_tension', 'cross_coupling',
'raw_beam', 'vcc', 'al', 'ax', 've2', 'ax2', 'xacc2',
'lacc2', 'xacc', 'lacc', 'par_port', 'platform_period']
col_widths = [10, 4, 3, 2, 2, 2, 8, 8, 7, 8, 8, 8, 8, 8, 8, 8, 8, 8, 8, 8, 6]
time_columns = ['year', 'day', 'hour', 'minute', 'second']
# 读取固定宽度格式文件
df = pd.read_fwf('data.csv', widths=col_widths, names=col_names)
# 定义格式化函数
day_fmt = lambda x: '{:03d}'.format(int(x))
time_fmt = lambda x: '{:02d}'.format(int(x))
# 合并时间列并转换为字符串
t = df['year'].map(str) + df['day'].map(day_fmt) + \
df['hour'].map(time_fmt) + df['minute'].map(time_fmt) + \
df['second'].map(time_fmt)
# 设置时间索引
df.index = pd.to_datetime(t, format='%Y%j%H%M%S')
# 删除时间列
df.drop(time_columns, axis=1, inplace=True)
# 打印 DataFrame
print(df)