解析数据由事件在Python

Question

我尝试使用Python从中此格式的文本文件解析数据：

<event> 
A 0.8 
B 0.4 0.3 -0.5 0.3 
</event> 
<event> 
A 0.2 
B 0.3 0.2 -0.5 0.8 
C 0.1 0.3 -0.3 0.2 
C -0.2 0.4 -0.1 0.9 
</event> 
<event> 
A 0.4 
B 0.4 0.3 -0.5 0.3 
C 0.3 0.7 0.6 0.5 
</event> 

变量一个& B是总是出现在每一个事件，但你可以看到，C变量在一次事件中最多可能发生两次，有时完全不会发生。总共有大约10,000多个活动。

我想格式化所有这些，这样我就可以单独调用每一条数据（即第2列中的变量B来自事件3），也可以分组（即绘制变量A，第0列为所有事件），但重复的C变量让我有点绊倒。理想情况下，我希望为C变量＃1和C变量＃2提供一列数据，其中当事件中只有一个或零个C变量时，数据可以简单地为0。

我的代码目前还不够完美，输出格式也不完全符合要求，所以我很乐意提供关于如何简化和改进的建议。

M = 10000  # number of events 
file = open('data.txt') 
a_lines = open('a.txt','w') 
b_lines = open('b.txt','w') 
c1_lines = open('c1.txt','w') 
c2_lines = open('c2.txt','w') 
c1 = [] 
c2 = [] 

for i in range(M): 
    for line in file: 
     if not line.strip(): 
      continue 
     if line.startswith("</event>"): 
      break 
     elif line.startswith("<event>"): 
      a = file.next() 
      print >>a_lines,i,a 

for i in range(M): 
    for line in file: 
     if line.startswith("B"): 
      print >>b_lines,i,line.strip() 
      nextline=file.next().strip() 
      c1.append(nextline) 
      nextline2=file.next().strip() 
      c2.append(nextline2) 
      break 

# Parsing the duplicate C columns... 
# I've formatted it so the 0 is aligned with the other data 

for i in range(M): 
    if "C" in c1[i]: 
     print >>c1_lines, i, c1[i] 
    else: 
     print >>c1_lines, i, "C 0" 


for i in range(M): 
    if "C" in c2[i]: 
     print >>c2_lines, i, c2[i] 
    else: 
     print >>c2_lines, i, "C 0" 

# Sample variable formatting attempt: 

b_event_num,b_0,b_1,b_2,b_3=loadtxt("b.txt",usecols=(0,1,2,3,4),unpack=True) 
b_0=array(b_0) 
b_1=array(b_1) 
b_2=array(b_2) 
b_3=array(b_3) 
b_0=b_0.reshape((len(b_0)),1) 
b_1=b_1.reshape((len(b_1)),1) 
b_2=b_2.reshape((len(b_2)),1) 
b_3=b_3.reshape((len(b_3)),1) 
b_points=np.hstack((b_0,b_1,b_2,b_3)) 

提取的数据本身看起来不错，但是当我尝试在列装载，我得到了下面的错误，我不知道为什么：

vals = [vals[i] for i in usecols] 
IndexError: list index out of range 

任何帮助不胜感激;谢谢！

Answer 1

当vals = []时，IndexError来自尝试访问vals [0]。如果你扩大你的代码中的错误可能会更有意义：

vals = [] 
for i in usecols: 
    vals[i] = i 

错误发生在第一次使用的循环，因为瓦尔斯[0]是不是在列表中。我会提出一个解决方案，但我不确定你想要做什么。如果你只是想丘壑是列表[0,1,2,3,4]你可以只使用

vals = range(5) 

编辑： 在一个侧面说明，我不认为它保存在一个单独的文件是必要的。这将是好了很多，只是它直接保存到阵列中，如：

M = 10000  # number of events 
file = open('data.txt') 
a = [] 
b = [] 
c2 = [] 
c2 = [] 

def parseLine(line, section): 
    line = line.split() 
    line = line[1:] # To take out the letter at the start 
    section.append(line) 

file.next() 
for i in range(M): 
    parseLine(file.next(), a) 
    parseLine(file.next(), b) 
    nextLine = file.next() 
    if nextLine.startswith("C"): 
     parseLine(nextLine, c1) 
     nextLine = file.next() 
     if nextLine.startswith("C"): 
      parseLine(nextLine, c2) 
      file.next() # To get to the end of the event 
     else: 
      c2.append([0]) 
    else: 
     c1.append([0]) 
     c2.append([0]) 
    file.next() 

不过要小心，因为从8日的事件得到第二个元素的元素对于B，你会做B [7] [ 1]，所以它是[事件-1] [第1列]