Python - Extrahieren einer Liste von Bezeichnern und entsprechenden Werten

Question

Ich suche Rat für die beste Methode zum Sortieren meines Datasets.

Ich habe folgende Eingabe („data.txt“):

100 G(1,2)   1.0943   
100 G(1,3)   1.0933 
101 G(1,2)   1.5147   
101 G(1,3)   1.2372 
101 G(1,4)   1.0955 
... (10,000) 

Der ideale Ausgang ist eine Textdatei mit Spalten:

G(1,2)  G(1,3)   G(1,4) 
1.0943  1.0933   1.0955 
1.5147  1.2372 

Mein erster Gedanke ist es, ein Wörterbuch erstellen mit mehrere Werte - wobei jedes 'G (x, x)' ein Schlüssel ist und die entsprechende Zahl ein Wert ist.

Wäre dies der beste Weg, um dies zu erreichen, oder gibt es eine andere Python-Funktion, die das Sortieren effizienter machen würde?

Vielen Dank an alle für Ihre Vorschläge - ich bin dabei, die Funktion itertools.groupby zu nutzen/zu lernen, wie von einigen Benutzern unten vorgeschlagen. Der Pandas Resorting-Ansatz ist auch sehr hilfreich.

Answer 1

Sie können itertools.groupby verwenden:

import re 
import itertools 
data = [[b for b in c if b] for c in [re.split("\s+", i.strip('\n')) for i in open('file.txt')] if c] 
new_final_data = [(a, list(b)) for a, b in itertools.groupby(sorted(data, key=lambda x:x[1][-2]), key=lambda x:x[1])] 
final_data = {a:[[c for c in i if re.findall('\d+\.\d+', c)][0] for i in b] for a, b in new_final_data} 
print(final_data) 

Ausgang:

{'G(1,3)': ['1.0933', '1.2372'], 'G(1,4)': ['1.0955'], 'G(1,2)': ['1.0943', '1.5147']} 

Answer 2

Ich glaube, Sie es als Transponierungsfunktion tun, dann ein groupby. https://pandas.pydata.org/pandas-docs/stable/dsintro.html?highlight=transpose

Answer 3

In gerade Python (verwenden Sie ein Shell):

import re 
from collections import defaultdict  

data = defaultdict(list) 

with open('data.txt') as f: 
    for line in f: 
     match = re.match('.*(G\(\d,\d\))\s*(.*)', line) 
     g = match.group(1) 
     datum = float(match.group(2)) 
     data[g].append(datum) 


for g in data: 
    data[g].sort() 

# do something with data. 

Answer 4

Die Pandas Ansatz so etwas wie dieses würde:

import pandas as pd 

df = pd.read_csv(r'data.txt', names = ['col1', 'col2', 'col3']) 
df = df[['col2', 'col3']] 
df = df.pivot(columns = 'col2', values = 'col3') 
df = df.apply(lambda x: pd.Series(x.dropna().values)) 
df = df.to_csv(r'output.txt', index = False, sep = '\t') 

Ausgang:

G(1,2) G(1,3) G(1,4) 
1.0943 1.0933 1.0955 
1.5147 1.2372