处理来自几个文本文件的数据

问题描述：

关于如何从多个文本文件中抓取数据并处理它们的任何建议（例如计算总计）。我一直在尝试在Python中做它，但不断遇到死胡同。处理来自几个文本文件的数据

每次您执行操作时，计算机都会以文本格式生成汇总文件，例如，从批处理筛选好苹果。首先你加载苹果，然后把好坏分开，然后你可以重新加载不好的苹果重新测试它们，一些被恢复。所以每个批次至少生成2个摘要文件，具体取决于您加载苹果恢复的次数。

这是文本文件的例子：

文件1：

general Info: 
    Batch No.  : A2J3 
    Operation  : Test 
    Fruit   : Apple 
    Operation Number : A5500 
    Quantity In  : 10 
yield info: 
    S1 S2  Total Bin Name 
    5 2  7  good 
    1 2  3  bad

文件2：

general Info: 
    Batch No.  : A2J3 
    Operation  : Test 
    Fruit   : Apple 
    Operation Number : A5500 
    Quantity In  : 3 
yield info: 
    S1 S2  Total Bin Name 
    1 1  2  good 
    0 0  1  bad

我希望得到一个文件夹中的尽是些txt文件的数据和将测试结果与以下标准合并：

个
处理同一批通过识别txt文件是从同一批号来，相同的操作（基于txt文件的内容不文件名）

数据合并2（或多个概要文件）转换成下面的格式CSV：

Lot: 
Operation: 
Bin  First Pass Second Pass Final Yield %Yield 
Good  7   2   9   90% 
Bad  3   1   1   10%

S1，S2是可变的，它可以从1到14，但从来没有低于1 的垃圾箱也可以有不同的文本文件几种类型（不仅限于良好和坏。但总会有只有1好仓）

Bins: 
Good 
Semi-bad 
Bad 
Worst 
...

我是新来的Python和我只用在学校这个脚本语言，我只知道非常基础，仅此而已。所以这个任务，我想要做的是有点势不可挡给我，让我开始处理一个文本文件，并得到我想要的数据，例如：批号

with open('R0.txt') as fh_d10SunFile: 
    fh_d10SumFile_perline = fh_d10SunFile.read().splitlines() 
    #print fh_d10SumFile_perline 

TestProgramName_str = fh_d10SumFile_perline[CONST.TestProgram_field].split(':')[1] 
LotNumber_str  = fh_d10SumFile_perline[CONST.LotNumber_field].split(':')[1] 
QtyIn_int   = int(fh_d10SumFile_perline[CONST.UnitsIn_field].split(':')[1]) 
TestIteration_str = fh_d10SumFile_perline[CONST.TestIteration_field].split(':')[1] 
TestType_str  = fh_d10SumFile_perline[CONST.TestType_field].split(':')[1]

然后抓住所有的垃圾箱在总结文件：

SoftBins_str = filter(lambda x: re.search(r'bin',x),fh_d10SumFile_perline) 
for index in range(len(SoftBins_str)): 
    SoftBins_data_str = [l.strip() for l in SoftBins_str[index].split(' ') if l.strip()] 
    SoftBins_data_str.reverse() 
    bin2bin[SoftBins_data_str[0]] = SoftBins_data_str[2]

后来，我被卡住，因为我不知道如何做到这一点的阅读和使用的含网站（S1，S2）的n个文本文件数n个解析。如何从n个文本文件中获取这些信息，并在内存中处理这些信息（甚至可能使用python），然后在csv输出文件中输出计算结果。

你说**至少有两个汇总文件**，但输出格式固定为两遍？我也假设'批次：'是当前的'批号'和'操作：'是'测试'？ –

@MartinEvans是的，这是正确的 –

@SreejithMenon用更多的细节和我试图做的方法更新了问题。 –

答

以下内容可帮助您入门。由于您的文本文件是固定格式，读取它们并解析它们相对简单。此脚本搜索当前文件夹中的所有文本文件，读取每个文件并将批次存储在基于批名称的字典中，以便将同一名称区域的所有批次分组在一起。

处理所有文件后，它会为每个批次创建汇总并将其写入单个csv输出文件。

from collections import defaultdict 
import glob 
import csv 

batches = defaultdict(list) 

for text_file in glob.glob('*.txt'): 
    with open(text_file) as f_input: 
     rows = [row.strip() for row in f_input] 

    header = [rows[x].split(':')[1].strip() for x in range(1, 6)] 
    bins = {} 

    for yield_info in rows[8:]: 
     s1, s2, total, bin_name = yield_info.split() 
     bins[bin_name] = [int(s1), int(s2), int(total)] 

    batches[header[0]].append(header + [bins]) 


with open('output.csv', 'wb') as f_output: 
    csv_output = csv.writer(f_output, delimiter='\t') 

    for batch, passes in batches.items(): 
     bins_output = defaultdict(lambda: [[], 0]) 
     total_yield = 0 

     for lot, operation, fruit, op_num, quantity, bins in passes: 
      for bin_name, (s1, s2, total) in bins.iteritems(): 
       bins_output[bin_name][0].append(total) 
       bins_output[bin_name][1] += total 
       total_yield += total 

     csv_output.writerows([['Lot:', lot], ['Operation:', operation]]) 
     csv_header = ["Bin"] + ['Pass {}'.format(x) for x in range(1, 1 + len(passes))] + ["Final Yield", "%Yield"]   
     csv_output.writerow(csv_header) 

     for bin_name in sorted(bins_output.keys()): 
      entries, total = bins_output[bin_name] 
      percentage_yield = '{:.1f}%'.format((100.0 * total)/total_yield) 
      csv_output.writerow([bin_name] + entries + [total, percentage_yield]) 

     csv_output.writerow([])  # empty row to separate batches

给你一个制表符分隔csv文件，如下所示：

Lot: A2J3 
Operation: Test 
Bin Pass 1 Pass 2 Final Yield %Yield 
Bad 3 1 4 30.8% 
Good 7 2 9 69.2%

注意，脚本已被更新，以解决任何数量的仓位类型的。

处理来自几个文本文件的数据

相关推荐