昨天一位粉絲向我求助，想用python解析data文件，然後取出其中的特定數據，我花了很長時間終於搞明白了，現在把具體過程分享給大家，相信學完這套技能，再多的數據都能用python輕鬆搞定。
問題描述：一個.dat文件以UTF-8方式編碼，需要讀取指定時間開始與結束的數據，例如讀取圖形紅框內數據，並將讀取到的數據放入list當中，圖示：
這位粉絲有很多這種.dat文件，但是隻想取出其中時間在0.001-0.002之間對應的Cd數據，如上圖中紅框內的數據，並將讀取到的數據放入list當中。剛開始以為用pandas庫能輕鬆搞定，但是實際操作過程中還是遇到一些小麻煩的，下面一起來看看怎麼實現的吧！
第一步：數據讀取
首先，我用pandas打開該文件，並輸出：
<code>data = pd.read_csv('1.dat', header=None)print(data)/<code>
總共有10萬條數據
第二步：數據整合
因為前10行都是沒用的信息，所以我把前10行刪除：
<code>data=data[10:]/<code>
重新輸出：
仔細觀察可以發現，該datafram數據只有1列，表頭為0，所以我們要把這列數據進行分割：
<code>data['Time'] = data[0].str.split('\\t').str[0]data['Cd'] = data[0].str.split('\\t').str[2]/<code>以‘\\t’為分隔符，分割data[0]數據，將分割後第一列以‘Time’頭命名、第三列以‘Cd’頭命名，重新打印data，代碼為：
<code>print(data.ix[:,['Time', 'Cd']])/<code>
請記住，以上是dataprame數據輸出列的方式，輸出結果為：
第三步：數據提取
為了提取時間在0.001至0.002之間對應的Cd列數據，我們要用到pandas庫的比較運算符eq，ne，le，lt，ge，gt等效於==，=！，<=，<，>=，>，用法格式為：
<code>df=data[data['Time'].ge(0.001)]/<code>
意思是取出對應‘Time’列大於等於0.01的所有data的行
<code>dff=df[df['Time'].le(0.002)]/<code>
這句代碼的意思是在上一步的基礎上取出對應‘Time’列小於等於0.02的所有data的行，打印dff：
<code>print(dff.ix[:, ['Time', 'Cd']])/<code>
很不幸的是，系統報了以下錯誤：
<code>TypeError: '>=' not supported betweeninstances of 'str' and 'float'/<code>
這是因為‘Time’列是以字符的格式存儲的，所以我們要把他換成浮點格式：
<code>data['Time'] = [float(i) for i in data[0].str.split('\\t').str[0]]/<code>一行代碼就搞定了，再輸出一下試試：
最後把取出的‘Cd’列放入列表中：
<code>list_Cd=list(dff['cd'])/<code>
如果我們有多個此類.dat數據,可以此代碼為主體，循環取出每個文件的必要數據，再存入列表中。
小結：本文是padans在處理數據過程中的靈活運用，充分體現了它的便捷性，相比於列表運算既省時又省力，是辦公必備的python庫。
本文所述的代碼及數據已上傳至【python的爬蟲與數據分析之路】後臺，請輸入dat獲取。
閱讀更多 python數據分析之禪 的文章
