Python使用.split()提取字符串值时处理短字符串的方案咨询

问题背景 #

需从文本文件读取字符串列表，对每行调用.split()后提取[0][1][5][6]位置的值，构建包含Sample、Compound、Value列的DataFrame。现有代码遇到仅含空格的行时，因.split()后列表长度不足触发IndexError: list index out of range，要求此类情况填充-1。

改进后的代码 #

import pandas as pd

# 用列表存储数据，比逐行append更高效
data_list = []
path_to_file = r"...\CL 23-07 M1.txt"

with open(path_to_file, 'r') as f:
    lines = f.readlines()
    # 预提取Sample名称（仅读取第7行一次，索引从0开始）
    name_gral = "-1"
    if len(lines) > 6:
        name_gral_split = lines[6].split()
        if len(name_gral_split) >= 4:
            name_gral = name_gral_split[3]

    for line in lines:
        line_split = line.split()
        # 处理短行/空行的情况
        if len(line_split) >= 7:
            cmp = line_split[0]
            val = line_split[1]
            # 若需同时提取[5][6]生成额外行，可在此处添加对应append逻辑
        else:
            cmp = "-1"
            val = "-1"
        
        data_list.append({
            "Sample": name_gral,
            "Compound": cmp,
            "Value": val
        })

# 一次性构建DataFrame
df_final = pd.DataFrame(data_list)
print(df_final)

关键改进点 #

• 减少重复操作：将Sample名称提取移至循环外，仅执行一次，提升效率
• 规避索引错误：通过判断line_split长度，对短行/空行自动填充-1
• 优化性能：用列表收集所有数据后一次性创建DataFrame，比df.append()更高效（数据量大时差异明显）
• 边界防护：增加文件行数不足的判断，避免读取lines[6]时触发索引错误

扩展：同时提取[5][6]生成多行 #

如果需要把[0][1]和[5][6]都作为独立行存入DataFrame，可修改循环内逻辑：

for line in lines:
    line_split = line.split()
    if len(line_split) >= 7:
        # 处理[0][1]
        data_list.append({
            "Sample": name_gral,
            "Compound": line_split[0],
            "Value": line_split[1]
        })
        # 处理[5][6]
        data_list.append({
            "Sample": name_gral,
            "Compound": line_split[5],
            "Value": line_split[6]
        })
    else:
        data_list.append({
            "Sample": name_gral,
            "Compound": "-1",
            "Value": "-1"
        })

内容的提问来源于stack exchange，提问作者Ctkcol