1
我有一个目录充满txt
文件:如何将一组文档收集到熊猫数据框中?
.
├── file.txt
├── file.txt
├── file.txt
...
├── file.txt
└── file.txt
我如何读入数据帧大熊猫的所有文件?换句话说,我的目标是在大熊猫数据帧对象来存储一些文件是这样的(* ):
id text_blob
0 file_name.txt Lore lipsum dolor done
1 file_name.txt Lore lipsum ...
2 file_name.txt dolor ...
3 file_name.txt lore lipsum lore ...
4 file_name.txt dolor...
到目前为止,我尝试了下面的代码。然而,这不是Python的,我有一些格式化错误(例如空间问题,'"
,格式化。):
import glob, os, csv, argparse, sys
def retrive(directory_path):
for filename in sorted(glob.glob(os.path.join(directory_path, '*.txt'))):
with open(filename, 'r') as f:
important_stuff = f.read().splitlines()
oneline = [' '.join(important_stuff)]
yield filename.split('/')[-1] + ', ' +str(oneline).strip('[]"')
def trans(directory,directory2):
test = tuple(retrive(directory))
with codecs.open(directory2,'w', encoding='utf8') as out:
csv_out=csv.writer(out, delimiter='|')
csv_out.writerow(['name','text_blob'])
for row in test:
csv_out.writerow(row.split(', ', 1))
input_d = '../in'
out_d = '../out'
trans(input_d,out_d)
我不知道你期望的结果是什么样子。请阅读http://stackoverflow.com/help/mcve和http://stackoverflow.com/help/how-to-ask – piRSquared
@piRSquared,感谢您的帮助。我期望有一个熊猫数据框里面的所有文件。正如您在(*)中看到的,熊猫数据框符合.txt文档的名称,右侧是文档的内容。 –