如何用Pandas从单个TXT文件提取多个DataFrame并分别保存？

完全可以用Pandas实现这个需求，核心思路是先识别TXT中每个DataFrame的分隔位置，再逐块读取并保存。以下是具体实现代码：

import pandas as pd
from io import StringIO

# 读取txt文件内容，过滤空行
with open('df.txt', 'r') as f:
    lines = [line.strip('\n') for line in f if line.strip()]

# 拆分每个DataFrame的块
df_blocks = []
current_block = []
for line in lines:
    # 判断是否是表头行：行首非数字（索引行以数字开头）
    first_char = line.lstrip()[0] if line.lstrip() else ''
    if first_char.isalpha():
        # 遇到新表头，先把之前的块存入（如果有内容）
        if current_block:
            df_blocks.append('\n'.join(current_block))
            current_block = []
    current_block.append(line)
# 加入最后一个块
if current_block:
    df_blocks.append('\n'.join(current_block))

# 逐个处理每个块，保存为csv
for idx, block in enumerate(df_blocks, 1):
    # 用StringIO把字符串转为可读取的流
    df = pd.read_csv(StringIO(block), index_col=0)
    # 保存为csv，保留原格式的空格和结尾逗号
    df.to_csv(f'df{idx}.csv', float_format='%g')

代码说明： #

• 先读取txt所有行，过滤掉空行，避免干扰拆分逻辑。
• 通过判断行首字符是否为字母（索引行以数字开头）来识别新DataFrame的表头，以此拆分出每个DataFrame的内容块。
• 用StringIO将每个内容块转为Pandas可读取的对象，读取为DataFrame后保存为独立csv文件。
• 保存时用float_format='%g'确保NaN和浮点数格式和原文件一致。

执行代码后，会生成df1.csv、df2.csv、df3.csv三个文件，完全匹配你期望的结果。

内容的提问来源于stack exchange，提问作者Husain