通用文本系数提取与行列转换技术求助

看起来你已经成功搞定了特征值的提取，现在卡在了系数提取时的顺序混乱、数值重复问题上，同时还要实现列格式到行格式的转换对吧？我来给你梳理一个可靠的解决方案，完美适配不同文件列数可变的情况。

先分析原代码的核心问题 #

你之前用字典存储的思路踩了两个坑：

1. 字典的键顺序依赖插入顺序（旧版Python甚至无序），如果文本中行的索引不是按1、2、3...的顺序出现，结果顺序就会乱；
2. str(i) in line.split()[0]的匹配逻辑太宽松，比如索引1会误匹配到开头是10、11的行，导致重复添加无关数据；
3. 没有预先初始化字典键，第一次遇到新索引时会触发KeyError。

优化后的完整解决方案 #

我们改用有序列表存储系数（天然保证索引顺序），同时优化行匹配和系数定位逻辑：

# 1. 初始化系数存储列表：索引1对应列表下标0，索引2对应下标1，以此类推
number_of_coefficients = 5  # 替换为实际的系数行数
coefficients = [[] for _ in range(number_of_coefficients)]

# 2. 读取文本并提取系数
with open('text', 'r+') as f:
    for n, line in enumerate(f):
        # 仅处理目标区间内的行
        if not (start_section <= n <= end_section):
            continue
            
        parts = line.strip().split()
        if not parts:
            continue  # 跳过空行
        
        # 精确匹配索引行：避免误匹配含相同数字的行
        try:
            current_idx = int(parts[0])
        except ValueError:
            continue  # 不是索引行，直接跳过
        
        # 检查索引是否在有效范围内
        if 1 <= current_idx <= number_of_coefficients:
            # 自动定位系数起始位置：适配不同列数的行结构
            coeff_start = None
            # 先找轨道类型（s/px/py/pz），系数在轨道的下一个位置
            for i in range(1, len(parts)):
                if parts[i] in ['s', 'px', 'py', 'pz']:
                    coeff_start = i + 1
                    break
            # 如果没找到轨道类型，就找第一个可转换为数值的位置
            if coeff_start is None:
                for i in range(1, len(parts)):
                    try:
                        float(parts[i])
                        coeff_start = i
                        break
                    except ValueError:
                        continue
            
            # 提取并转换系数为数值类型
            if coeff_start is not None and coeff_start < len(parts):
                coeff_values = [float(val) for val in parts[coeff_start:]]
                coefficients[current_idx - 1] = coeff_values

# 3. 将列格式转换为行格式（实现目标数组）
# 方法1：用numpy转置（简洁高效）
import numpy as np
target_array = np.array(coefficients).T.tolist()

# 方法2：手动转置（无需依赖numpy）
# target_array = []
# if coefficients:
#     num_cols = len(coefficients[0])
#     for col in range(num_cols):
#         target_row = [row[col] for row in coefficients]
#         target_array.append(target_row)

print(target_array)

方案优势说明 #

1. 绝对有序的存储：用列表对应索引顺序，不管文本中行的出现顺序如何，最终结果的索引都是1、2、3...的顺序；
2. 精确的索引匹配：通过int(parts[0])转换并校验范围，彻底避免误匹配；
3. 自适应列数：自动识别轨道类型或第一个数值的位置，适配不同结构的系数行；
4. 数值类型转换：直接把系数转为float，避免后续处理字符串的麻烦；
5. 灵活的列转行：提供两种转置方式，按需选择是否依赖numpy。

示例效果 #

假设你的文本系数行是：

1  H s  0.00077 -0.03644
2  N px 0.00894 -0.06056
3  N py 0.98804 -0.11806
4  N pz 0.09555  0.16636
5  H s  0.00318 -0.21790

运行代码后，target_array会输出你想要的格式：

[[0.00077, 0.00894, 0.98804, 0.09555, 0.00318], [-0.03644, -0.06056, -0.11806, 0.16636, -0.21790]]

内容的提问来源于stack exchange，提问作者theotheraccount