pythpython-dataframe数据预处理（一）之txt数据集文件分割

原创于 2018-05-27 18:52:18 发布 · 2.4k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#python #dataframe #数据预处理 #样本集分割

python数据分析与处理专栏收录该内容

24 篇文章

订阅专栏

本文介绍了一种使用Python Pandas库来根据数据标签自动分割CSV文件的方法。通过读取源文件并依据最后一列的类别标签，自动将数据分割并保存为多个独立的CSV文件。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

'''
fun: 一个txt文件a有x行，y列。一行代表一个样本，第1-（y-1）代表特征，第y列代表样本的类别（即标签例如有c1/c2/c3三个类别），
此代码依据样本的标签列，将a.txt分割成 c1.txt、 c2.txt、 c3.txt。
'''
# -*- coding: utf-8 -*-
import pandas as pd
import  numpy as np

feature_size = 45
col_index = []
for i in range(feature_size):
    col_index.append('f%d'%i)
col_index.append('class')      #列索引

data = pd.read_csv(r'./Tr11_end.csv',names=col_index)
rows = len(data )              #求出一共多少行
cols =  data.columns.size
# print("源文件共有 %d 行"%rows)
# print("源文件共有 %d 列"%cols)

classes = data['class'].unique()     #数据共有几个类别
for c in classes:
    name = 'data' + c
    data_seg = data[ data['class']==c ]
    data_seg.to_csv(r'./segm'+"//" +name+".csv",index=False)       #index=false控制输出文件中不自动添加列序号

#data.columns = col_index      #重新为列索引赋值
#print (data.columns)        #列索引名称
# print (data.index)       #行索引名称


#print(data[cols-1][:10])