010.py

path = "popular-names.txt"
with open(path) as file:
    print(len(file.readlines()))

# -> 2700

Ich habe den "with" -Block verwendet, weil es mühsam war, "close ()" am Ende der Dateioperation zu schreiben.

011.py

path = "popular-names.txt"
with open(path) as file:
     print(file.read().replace("\t", " "), end="")

# -> Mary F 7065 1880 
#    Anna F 2604 1880 
#    Emma F 2003 1880 ...

012.py

path = "popular-names.txt"
path_col1 = "col1_012.txt"
path_col2 = "col2_012.txt"

with open(path) as file:
    with open(path_col1, mode="w") as col1:
        with open(path_col2, mode="w") as col2:
           item_split = [item.split("\t") for item in file.readlines()]
           for item in item_split:
               col1.write(item[0] + "\n")
               col2.write(item[1] + "\n")

# col1.txt
# -> Mary
#    Anna...
# col2.txt
# -> F
#    F...

Der Betrieb der Datei wird durch "mode" von "open ()" angegeben. Der Standardwert ist mode = 'r', aber Sie sollten es richtig schreiben, ohne es wegzulassen ...?

013.py

path_col1 = "col1_012.txt"
path_col2 = "col2_012.txt"
path_merge = "merge.txt"

with open(path_col1) as col1:
    col1_list = col1.readlines()
    with open(path_col2) as col2:
        col2_list = col2.readlines()
        with open(path_merge, mode="w") as mrg:
            for i in range(len(col1_list)):
                mrg.write(col1_list[i].replace("\n", "") + "\t" + col2_list[i])

# merge.txt
# -> Mary	F
#    Anna	F
#    Emma	F

Die Antwort der anderen Person verwendete "zip ()", um sie zu generieren. Mit dieser Antwort werden Sie in Schwierigkeiten geraten, wenn "len (col1_list)> len (col2_list)", und das ist schlauer.

014.py

import sys

N = int(sys.argv[2])
with open(sys.argv[1]) as file:
    for i in range(N):
        print(file.readline().replace("\n",""))

# python 014.py popular-names.txt 3
# -> Mary    F       7065    1880
#    Anna    F       2604    1880
#    Emma    F       2003    1880

Es scheint, dass Sie eine Liste mit Befehlszeilenargumenten erhalten können, indem Sie die Funktion argv des Moduls sys verwenden.

015.py

import pandas as pd

path = "popular-names.txt"
df = pd.read_table(path, header=None)
print(df.tail())

# ->              0  1      2     3
#    2775  Benjamin  M  13381  2018
#    2776    Elijah  M  12886  2018
#    2777     Lucas  M  12585  2018
#    2778     Mason  M  12435  2018
#    2779     Logan  M  12352  2018

Für diejenigen, die es kennen, scheint es neu zu sein, aber es scheint, dass es eine Bibliothek namens pandas gibt, die für die Datenverarbeitung geeignet ist, also habe ich versucht, sie zu verwenden. read_csv (path, sep =" \ t ") war in Ordnung, aber read_table ist einfach, nicht wahr?

016.py

import pandas as pd
import sys

N = int(sys.argv[1])
path = "popular-names.txt"
df = pd.read_table(path, header=None)
col_n = -(-len(df) // N)
for i in range(N):
    print(df.iloc[col_n * i : col_n * (i + 1), :])

# python 016.py 2
# ->               0  1      2     3
#    0          Mary  F   7065  1880
#    1          Anna  F   2604  1880
#    ...         ... ..    ...   ...
#    1389     Sharon  F  25711  1949
#
#    [1390 rows x 4 columns]
#                  0  1      2     3
#     1390     James  M  86857  1949
#     1391    Robert  M  83872  1949
#     ...        ... ..    ...   ...
#     2779     Logan  M  12352  2018
#
#    [1390 rows x 4 columns]

Für die Ausgabe habe ich "iloc" verwendet, weil ich mehrere Zeilen von "df" nach Index angeben möchte.

017.py

import pandas as pd

path = "popular-names.txt"
df = pd.read_table(path, header=None)
print(df[0].unique())

# -> ['Mary' 'Anna' 'Emma' 'Elizabeth' 'Minnie' 'Margaret' 'Ida' 'Alice'...

unique () gibt den Wert eines eindeutigen Elements als NumPys ndarray -Typ zurück. Die Anzahl der eindeutigen Elemente kann durch "df [0] .nunique ()" zusätzlich zu "len (df [0] .unique ())" erhalten werden.

018.py

import pandas as pd

path = "popular-names.txt"
df = pd.read_table(path, header=None)
print(df.sort_values(2, ascending=False))

# ->            0  1      2     3
#   1340    Linda  F  99689  1947
#   1360    Linda  F  96211  1948
#   1350    James  M  94757  1947...

019.py

import pandas as pd

path = "popular-names.txt"
df = pd.read_table(path, header=None)
print(df[0].value_counts())

# -> James      118
#    William    111
#    John       108

value_counts gibt eindeutige Elemente und deren Nummer als pandas.Series Typ aus. Es ist verwirrend, dass "unique ()" die Liste der eindeutigen Elemente anzeigt, "nunique ()" die Gesamtzahl der eindeutigen Elemente anzeigt und "value_counts ()" die Häufigkeit des Auftretens jedes Elements anzeigt.