如何用Python将多行字符串格式的时序温度数据转换为结构化表格

以下提供两种实现方案，可根据使用场景选择： #

纯Python实现（无第三方依赖） #

不需要安装额外库，直接运行即可生成结构化结果，支持导出为CSV格式：

def time_str_to_sec(time_str):
    # 将"时:分:秒.毫秒"格式的字符串转换为总秒数
    h, m, s = time_str.split(':')
    return float(h) * 3600 + float(m) * 60 + float(s)

# 实际使用时可替换为从文件读取：with open('你的数据文件路径.txt') as f: raw_data = f.readlines()
raw_data = [
    "19:27:39.829 -> 23.06,23.31",
    "19:27:41.273 -> 23.06,23.31",
    "19:27:42.717 -> 23.06,23.31"
]

result = []
base_time = None

for line in raw_data:
    # 自动跳过空行
    if not line.strip():
        continue
    # 拆分时间部分和温度部分
    time_part, temp_part = line.strip().split('->')
    current_sec = time_str_to_sec(time_part.strip())
    # 取首行时间作为计算相对时间的基准
    if base_time is None:
        base_time = current_sec
    # 计算相对时间，保留三位小数
    relative_time = round(current_sec - base_time, 3)
    # 拆分两个温度值
    temp1, temp2 = temp_part.strip().split(',')
    result.append([relative_time, float(temp1), float(temp2)])

# 打印表格结果
print(f"{'Time Value':<12} {'Temperature One':<16} {'Temperature Two':<16}")
print("-"*44)
for row in result:
    print(f"{row[0]:<12.3f} {row[1]:<16.2f} {row[2]:<16.2f}")

# 如需导出为CSV文件，取消注释以下代码即可
# import csv
# with open('output.csv', 'w', newline='') as f:
#     writer = csv.writer(f)
#     writer.writerow(['Time Value', 'Temperature One', 'Temperature Two'])
#     writer.writerows(result)

Pandas实现（直接生成结构化表格） #

如果已经安装Pandas库，可直接生成DataFrame格式的结构化表格，方便后续数据处理、分析：

import pandas as pd

def time_str_to_sec(time_str):
    h, m, s = time_str.split(':')
    return float(h) * 3600 + float(m) * 60 + float(s)

# 实际使用时可替换为从文件读取：raw_data = pd.read_csv('你的数据文件路径.txt', sep='->', header=None, names=['time_str', 'temp_str'], engine='python')
raw_data = pd.DataFrame([
    "19:27:39.829 -> 23.06,23.31",
    "19:27:41.273 -> 23.06,23.31",
    "19:27:42.717 -> 23.06,23.31"
], columns=['raw'])

# 拆分原始数据
raw_data[['time_str', 'temp_str']] = raw_data['raw'].str.split('->', expand=True)
raw_data['time_str'] = raw_data['time_str'].str.strip()
raw_data['temp_str'] = raw_data['temp_str'].str.strip()

# 计算相对时间
raw_data['total_sec'] = raw_data['time_str'].apply(time_str_to_sec)
base_sec = raw_data['total_sec'].iloc[0]
raw_data['Time Value'] = (raw_data['total_sec'] - base_sec).round(3)

# 拆分温度列
raw_data[['Temperature One', 'Temperature Two']] = raw_data['temp_str'].str.split(',', expand=True).astype(float)

# 提取最终结构化表格
result_df = raw_data[['Time Value', 'Temperature One', 'Temperature Two']]
print(result_df)

# 导出为CSV文件：result_df.to_csv('output.csv', index=False)

运行结果示例 #

两种方案的输出结果一致：

Time Value   Temperature One  Temperature Two
0.000        23.06            23.31
1.444        23.06            23.31
2.888        23.06            23.31

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