按时间点分割多个对象的csv文件
在这里我有一个多个对象的例子文件，每个对象在相同的时间点（也是ND.T代表每个唯一的时间点）进行测量。 我想分割这个文件到单独的文件（使用python脚本），其中包含每个时间点仍然包含头的唯一的唯一对象。
原始文件：
ID ND.T Time [s] Position X [%s] Position Y [%s] Speed [%s] Area [%s] Width [%s] MeanIntensity 1 1 3.87 417.57 11.46 0.06 339.48 14.1 245.65 1 2 8.72 417.37 11.68 0.04 342.61 14.15 239.34 1 3 13.39 417.57 11.66 0.04 344.17 14.3 239.48 2 1 3.87 439.01 6.59 0.02 342.61 11.66 204.47 2 2 8.72 438.97 6.65 0.007 342.61 10.7 197.96 2 3 13.39 438.94 6.66 0.03 345.74 11.03 214.74 Time_3.87.csv
ID ND.T Time [s] Position X [%s] Position Y [%s] Speed [%s] Area [%s] Width [%s] MeanIntensity 1 1 3.87 417.57 11.46 0.06 339.48 14.1 245.65 2 1 3.87 439.01 6.59 0.02 342.61 11.66 204.47
Time_8.72.csv
ID ND.T Time [s] Position X [%s] Position Y [%s] Speed [%s] Area [%s] Width [%s] MeanIntensity 1 2 8.72 417.37 11.68 0.04 342.61 14.15 239.34 2 2 8.72 438.97 6.65 0.007 342.61 10.7 197.96
Time_13.39.csv
ID ND.T Time [s] Position X [%s] Position Y [%s] Speed [%s] Area [%s] Width [%s] MeanIntensity 1 3 13.39 417.57 11.66 0.04 344.17 14.3 239.48 2 3 13.39 438.94 6.66 0.03 345.74 11.03 214.74
例2：
ID ND.T Time [s] Position X [%s] Position Y [%s] Speed [%s] Area [%s] Width [%s] MeanIntensity 1 1 3.87 417.57 11.46 0.06 339.48 14.1 245.65 1 2 8.72 417.37 11.68 0.04 342.61 14.15 239.34 1 3 13.39 417.57 11.66 0.04 344.17 14.3 239.48 1 4 18.1 417.73 11.71 0.04 337.92 14.14 225.17 1 5 22.81 417.83 11.89 0.03 344.17 14.64 233.3 1 6 27.48 417.69 11.83 0.02 345.74 14.23 238 1 7 32.16 417.65 11.94 0.03 345.74 14.71 230.75 2 1 3.87 439.01 6.59 0.02 342.61 11.66 204.47 2 2 8.72 438.97 6.65 0.007 342.61 10.7 197.96 2 3 13.39 438.94 6.66 0.03 345.74 11.03 214.74 2 4 18.1 438.9 6.53 0.04 342.61 10.46 202.9 2 5 22.81 438.97 6.7 0.02 342.61 10.3 194.32 2 6 27.48 438.89 6.71 0.006 350.43 11 219.41 2 7 32.16 438.87 6.74 0.05 348.87 10.36 219.58
你可以使用pandas来达到这个目的：
import pandas as pd df = pd.read_csv(your_file) df.groupby('Time [s]').apply(lambda x: x.to_csv(str(x.name) + '.csv'))
以上将使用read_csv加载您的csv，然后在Time [s]列上进行分组，并使用它来命名文件
您可以看到df按照时间[s]分组：
In [108]: df.groupby('Time [s]').apply(lambda x: print(x)) ID ND.T Time [s] Position X [%s] Position Y [%s] Speed [%s] \ 0 1 1 3.87 417.57 11.46 0.06 3 2 1 3.87 439.01 6.59 0.02 Area [%s] Width [%s] MeanIntensity 0 339.48 14.10 245.65 3 342.61 11.66 204.47 ID ND.T Time [s] Position X [%s] Position Y [%s] Speed [%s] \ 0 1 1 3.87 417.57 11.46 0.06 3 2 1 3.87 439.01 6.59 0.02 Area [%s] Width [%s] MeanIntensity 0 339.48 14.10 245.65 3 342.61 11.66 204.47 ID ND.T Time [s] Position X [%s] Position Y [%s] Speed [%s] \ 1 1 2 8.72 417.37 11.68 0.040 4 2 2 8.72 438.97 6.65 0.007 Area [%s] Width [%s] MeanIntensity 1 342.61 14.15 239.34 4 342.61 10.70 197.96 ID ND.T Time [s] Position X [%s] Position Y [%s] Speed [%s] \ 2 1 3 13.39 417.57 11.66 0.04 5 2 3 13.39 438.94 6.66 0.03 Area [%s] Width [%s] MeanIntensity 2 344.17 14.30 239.48 5 345.74 11.03 214.74 Out[108]: Empty DataFrame Columns: [] Index: []
这里groupby将在'Time'列上进行分组，然后我们调用apply来应用一个lambda ，我们可以在每个分组上调用方法to_csv ，我们可以使用to_csv int name属性来访问组名，所以我们转换成str并构build我们的csv名称：
In [109]: df.groupby('Time [s]').apply(lambda x: print(str(x.name) + '.csv')) 3.87.csv 8.72.csv 13.39.csv Out[109]: Empty DataFrame Columns: [] Index: []