最近在网上找了一个数据集， 原始数据为txt文件，就想着利用pandas将txt文件转为csv文件，然后给csv文件加上列名之后统计第二列中各个值出现的次数
首先是将txt文件转为csv文件，代码如下：
import csv
out = open('file_list.csv','w',newline='')
csv_writer=csv.writer(out,dialect='excel')
f = open('file_list.txt',"r",encoding='utf-8')
for line in f.readlines():
line=line.replace(',','\t')
list=line.split()
csv_writer.writerow(list)
此时，在读取txt文件时，一定要加上encoding=’utf-8′,要不然就会报错，属于编码格式错误。
运行，输出成功，但是csv文件中没有列名，于是利用pandas给csv文件加入列名，代码如下：
import pandas as pd
df = pd.read_csv('file_list.csv',header=None,encoding='gb18030')
df.columns=["id","key","html_id","html"]
df.to_csv('file.csv',encoding='utf-8',index=False)
此时的encoding要赋值为gb18030，也是编码格式的问题，不加的话会报错：error：UnicodeDecodeError: ‘utf-8’ codec can’t decode byte 0xa1 in position 0
运行成功之后file.csv文件已经加入了列名，接着是统计第二列也就是key中各个值出现的次数，发现有三个值，为n、p、d三个，统计数量，代码如下：
import pandas as pd
list_data=[]
df =pd.read_csv('file.csv',encoding='utf-8')
df2 = df.key.value_counts()
print(df2)
最后可以统计出来n、p、d三个值的数量也就是次数。此处也要注意编码格式的错误。如果想清楚这些编码格式，可以去网上搜索了解，很容易搜到。
Original: https://blog.csdn.net/hkz0704/article/details/121382831
Author: Hkz74
Title: 利用pandas读取txt文件，先转为csv文件，加入列名后统计某一列各个值出现的次数
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/677251/
转载文章受原作者版权保护。转载请注明原作者出处！