如何在Python中处理特定格式文本文件并生成目标DataFrame？

你的原始文本规律很清晰：每组数据以前导空格较少的行开头（比如 2.0 0 3 9.15400），后续跟着缩进更多的行；需要提取开头行的最后一个数值（如9.15400），再把后续所有缩进行的数值拼接在它后面，最终转成DataFrame。

用Python + Pandas可以轻松实现，步骤如下：

1. 读取并预处理文本 #

先把文本文件读进来，过滤空行并保留原始缩进信息：

with open('你的文件名.txt', 'r') as f:
    # 保留非空行的原始内容（包括缩进）
    lines = [line for line in f if line.strip()]

2. 分组拼接数据 #

遍历所有行，按缩进区分起始行和后续行，把每组数据合并成一个列表：

result = []
current_group = []

for line in lines:
    # 统计当前行的前导空格数，区分起始行和后续行
    leading_spaces = len(line) - len(line.lstrip())
    # 把当前行的内容转成浮点数组
    nums = list(map(float, line.strip().split()))
    
    # 前导空格少的是起始行（比如≤2个空格）
    if leading_spaces <= 2:
        # 如果之前有未保存的组，先存入结果
        if current_group:
            result.append(current_group)
        # 初始化新组，只保留起始行的最后一个数值
        current_group = [nums[-1]]
    else:
        # 后续行的数值直接追加到当前组
        current_group.extend(nums)

# 别忘了把最后一组数据加入结果
if current_group:
    result.append(current_group)

3. 转换为DataFrame #

用Pandas把整理好的列表转成DataFrame，短行会自动补NaN（如果不需要可以后续处理）：

import pandas as pd

df = pd.DataFrame(result)
# 可以手动设置列名，比如df.columns = ['主值', '数值1', '数值2', ...]
print(df)

运行后输出的结构就完全符合你的需求，比如第一行就是9.15400 5.40189 0.77828 0.66432 0.44219 0.00000。

内容的提问来源于stack exchange，提问作者Montana