如何用Python读取数据集整数值，跳过前5列并导入numpy/pandas数组？

我来帮你搞定这个需求！根据你给出的行格式，我们需要跳过前5列（其中第5列是包含空格的"Nrn de"），然后提取后面的数值并存储到NumPy数组或Pandas DataFrame里。下面分两种方式实现：

方法一：使用Pandas（推荐，处理结构化数据更灵活） #

Pandas能轻松处理这种带不规则列的文本，我们可以逐行解析后构建DataFrame：

import pandas as pd

def parse_line(line):
    # 按空白拆分每行内容，过滤掉空行
    tokens = line.strip().split()
    # 前5列对应前6个token（因为第5列是"Nrn de"两个单词），所以从第7个token开始取数值
    numeric_values = [float(token) for token in tokens[6:]]
    return numeric_values

# 读取文件并处理每一行
processed_data = []
with open("your_dataset.txt", "r") as file:
    for line in file:
        if line.strip():  # 跳过空行
            processed_data.append(parse_line(line))

# 转为Pandas DataFrame
df = pd.DataFrame(processed_data)
# 如果需要转为NumPy数组
numpy_array = df.to_numpy()

# 可选：如果确实只需要整数，可以转换类型
# df = df.astype(int)
# numpy_array = numpy_array.astype(int)

方法二：直接使用NumPy #

如果你更倾向于用NumPy处理，也可以直接解析后生成数组：

import numpy as np

# 读取所有非空行
with open("your_dataset.txt", "r") as file:
    lines = [line.strip() for line in file if line.strip()]

# 解析每行的数值部分
data_list = []
for line in lines:
    tokens = line.split()
    # 同样跳过前6个token，提取后续数值并转成float
    nums = [float(t) for t in tokens[6:]]
    data_list.append(nums)

# 转为NumPy数组
numeric_array = np.array(data_list)

# 可选：转成整数类型
# numeric_array = numeric_array.astype(int)

关键说明 #

• 为什么取tokens[6:]？因为你的示例行中，前5列对应前6个单词（前4列各1个单词，第5列是"Nrn de"两个单词），所以从索引6开始的部分就是我们需要的数值列。
• 示例中有.1这样的小数，所以先用float转换，如果你确实只需要整数，最后加上.astype(int)即可。
• 代码里跳过了空行，避免处理无效内容。

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