python批量处理txt文件的实例代码

yipeiwu_com4年前Python基础

通过python对多个txt文件进行处理

  1. 读取路径,读取文件
  2. 获取文件名,路径名
  3. 对响应的文件夹名字进行排序
  4. 对txt文件内部的数据相应的某一列/某一行进行均值处理
  5. 写入到事先准备好的Excel文件中
  6. 关闭Excel文件
#import numpy as np
import pandas as pd
import os
folder = 'D:/log/A190820C31N82'
def all_files_in_a_folder_iter(folder):
  import os
  for root, dirs, files in os.walk(folder):
    for file in files:
      # 获取文件路径
      yield (os.path.join(root, file))
#对CH1-CH2到CH7-CH8的文件夹进行排序
l = os.listdir('D:/log/A190820C31N82/08 583fF  2.3.10.0 30fps')
dic ={}
n=1
for i in l:
  if 'CH' in i:
    dic[i] = n
    n=n+1
#对电容大小排序
dd = os.listdir('D:/log/A190820C31N82')
dsc = {}
m=1
for j in dd:
  if 'fF' in j:
    dsc[j] = m
    m=m+1
#import xlrd
#import xlwt
from openpyxl import load_workbook
#import openpyxl
#打开Excel文件
wb = load_workbook('D:/log/data_process.xlsx')#生成一个已存在的wookbook对象
wb1 = wb.active#激活sheet
for i in all_files_in_a_folder_iter(folder):
  if '.txt' in i and 'ECT' in i:
#    print(i)
    a = pd.read_table(i,header=None)
    s = i.split('\\')[2]
    t = i.split('\\')[1]
    n = dic[s]
    m = dsc[t]
    res = a.values[:,n].mean() #做均值处理,保存结果
    
    wb1.cell(t*5+1,n+2,res)#往sheet中的第t*5+1行第n+2列写入均值
wb.save('D:/log/data_process.xlsx')#保存
wb.close()

文件结构如下图所示

总结

以上所述是小编给大家介绍的python批量处理txt文件的实例代码,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对【听图阁-专注于Python设计】网站的支持!
如果你觉得本文对你有帮助,欢迎转载,烦请注明出处,谢谢!

相关文章

详解Python的三种可变参数

可变参数 可变参数应该最简单,在C/C++和Java等语言中都有,就是用*号来表示,例如 def testArg(*arg) 你可以传入任意多个元素(包括0)到参数中,在函数内部...

对python使用telnet实现弱密码登录的方法详解

系统环境: 64位win7企业版 python2.7.10 2016.08.16修改内容: 1)read_until()函数是可以设置timeout的,之前不能获取到password之后...

跟老齐学Python之从if开始语句的征程

跟老齐学Python之从if开始语句的征程

一般编程的教材,都是要把所有的变量类型讲完,然后才讲语句。这种讲法,其实不符合学习的特点。学习,就是要循序渐进的。在这点上,我可以很吹一通了,因为我做过教师,研究教育教学,算是有一点心得...

python微信公众号开发简单流程

python微信公众号开发简单流程

本文为大家分享了python微信公众号开发的简单过程,供大家参考,具体内容如下 网上有很多微信公众号的开发教程,但是都是好几年前的了,而且很多都是抄袭其他人的,内容几乎一模一样。真的无语...

Tensorflow实现神经网络拟合线性回归

Tensorflow实现神经网络拟合线性回归

本文实例为大家分享了Tensorflow实现神经网络拟合线性回归的具体代码,供大家参考,具体内容如下 一、利用简单的一层神经网络拟合一个函数 y = x^2 ,其中加入部分噪声作为偏置值...