文本处理——排序

以上为文本格式：

要对coverage排序，并且将coverage中的空值去掉

1.先将文本处理好，并将结果写入txt文件：

# -*- coding:utf-8 -*-
import re
file = open('month5.txt',encoding='utf-8')
#写文件
outdata = open('test5.txt', 'w', encoding="utf-8")
# 以|为分隔符，从而将这个文件以行为单位进行分割
count = 0#计算总数
value = re.compile(r'^[-+]?[0-9]+\.[0-9]+$')


for line in file.readlines():
    #print(line.strip())
    line_context_split = line.strip().split('|')
    #将0 不要 只要1和2
    if len(line_context_split)>3:
        if value.match(line_context_split[2].strip()) and line_context_split[1] != '':
            #print(line_context_split[2])
            count += float(line_context_split[2])
            outdata.write(str(str(line_context_split[1]).strip()+'\t'+line_context_split[2]+'\n'))
print(count)

要点：判断字符串是否是小数点，用正则表达式

2.对所处理的文本进行排序，用pandas的sort_values，写入csv的文件

import pandas as pd
data = pd.read_table('test5.txt',encoding='utf-8',sep='\t',header=None)
names = ['keywords','average']
data.columns = names
#print(data)
df = pd.DataFrame(data)
#print(df)
df01 = df.sort_values(['average'], ascending=[False])
print(df01)
df01.to_csv('test5.csv')