Buen día,
Nota: La explicación es larga pero creo que te serviría mucho, el código en sí es corto.
Edición: Se me olvidó mencionar que el método read_csv también acepta archivos txt, modifiqué el ejemplo
Si es posible utilizar pandas
puedes hacerlo de la siguiente forma:
Cree un archivo (sample.txt) Con las filas de tus datos (El separador podría ser otro caracter, yo utilicé comas):
Nombre,ion,LongOnd,da,abundancia,Nombre,ion,LongOnd,da,abundancia,Nombre,ion,LongOnd,da,abundancia
FI,R,83.0000m,34.960,1.1262,Fe,2,1.32055m,33.626,0.0522,N,2,5754.61A,33.290,0.0241
TI,R,1800.00m,33.092,0.0153,Fe,2,1.24854m,32.645,0.0054,N,2,915.612A,31.997, 0.0012
NI,Ra,2.85000m,36.291,24.1132,Fe,2,7637.54A,33.077,0.0147,N,2,2139.01A,32.920,0.0103
NI,Rb,3.00000m,35.765,7.1930,Fe,2,4889.62A,32.774,0.0073,N,2,1084.58A,31.927,0.0010
MI,Ra,15.0000m,35.728,6.5980,Fe,2,4492.63A,32.191,0.0019,N,2,915.962A,31.993,0.0012
MI,Rb,22.5000m,35.835,8.4433,Fe,2,4457.94A,32.596,0.0049,N,2,2142.78A,33.310,0.0252
Al tener columnas duplicadas, lo que hace read_csv
es agregarle un sufijo numérico a los nombres de las columnas repetidas, obteniendo las siguientes columnas:
['Nombre', 'ion', 'LongOnd', 'da', 'abundancia', 'Nombre.1', 'ion.1',
'LongOnd.1', 'da.1', 'abundancia.1', 'Nombre.2', 'ion.2', 'LongOnd.2',
'da.2', 'abundancia.2']
Podemos compactar el dataframe
para que tengamos 18 filas y 5 columnas en lugar de 6 filas y 15 columnas al separar los datos en 3 grupos, cada grupo tendría las siguientes columnas
#Grupo 1
['Nombre', 'ion', 'LongOnd', 'da', 'abundancia']
#Grupo 2
['Nombre.1', 'ion.1', 'LongOnd.1', 'da.1', 'abundancia.1']
#Grupo 3
['Nombre.2', 'ion.2', 'LongOnd.2', 'da.2', 'abundancia.2']
Para poder crear los grupos utilizamos el método pandas.DataFrame.iloc
df.iloc[:, :5] #Esto crearía el primer grupo
df.iloc[:, 5:10] #Esto crearía el segundo grupo
df.iloc[:, 10:] #Esto crearía el tercer grupo
Para que podamos concatenar los grupos en un dataframe
con 5 columnas es necesario que las columnas tengan los mismos nombres, para eso generamos un diccionario para el grupo 2 y uno para el grupo 3
g2 = {x: y for x, y in zip(df.iloc[:, 5:10].columns, df.iloc[:, :5].columns)}
Esto crearía el siguiente diccionario para el grupo 2:
{'Nombre.1': 'Nombre',
'ion.1': 'ion',
'LongOnd.1': 'LongOnd',
'da.1': 'da',
'abundancia.1': 'abundancia'}
Y por último utilizamos el método pandas.concat
para concatenar los grupos en un dataframe
Ejemplo completo:
import pandas as pd
#Obtener el dataframe, las columnas con nombres repetidos tendran un número de sufijo, por ejemplo Nombre.1, Nombre.2, etc...
df = pd.read_csv('sample.txt')
#Creamos un diccionario con los nombres de las columnas 5-9 mapeados a los nombres de las columnas 0-4, por ejemplo {'Nombre.1': 'Nombre'}
g2 = {x: y for x, y in zip(df.iloc[:, 5:10].columns, df.iloc[:, :5].columns)}
#Creamos un diccionario con los nombres de las columnas 10-14 mapeados a los nombres de las columnas 0-4, por ejemplo {'Nombre.2': 'Nombre'}
g3 = {x: y for x, y in zip(df.iloc[:, 10:].columns, df.iloc[:, :5].columns)}
#Cada grupo de datos tiene 5 columnas, creamos 3 grupos utilizando iloc (Columnas 0-4, Columnas 5-10, Columnas 11-14)
#Renombramos las columnas de los grupos 2 y 3 para que tengan los nombres ['Nombre','ion','LongOnd','da','abundancia']
#Concatenamos los tres grupos de datos ignorando los índices para que a cada fila se le asigne un índice único
df = pd.concat([df.iloc[:, :5], df.iloc[:, 5:10].rename(columns=g2), df.iloc[:, 10:].rename(columns=g3)], ignore_index=True)
Esto devuelve el siguiente dataframe
Nombre ion LongOnd da abundancia
0 FI R 83.0000m 34.960 1.1262
1 TI R 1800.00m 33.092 0.0153
2 NI Ra 2.85000m 36.291 24.1132
3 NI Rb 3.00000m 35.765 7.1930
4 MI Ra 15.0000m 35.728 6.5980
5 MI Rb 22.5000m 35.835 8.4433
6 Fe 2 1.32055m 33.626 0.0522
7 Fe 2 1.24854m 32.645 0.0054
8 Fe 2 7637.54A 33.077 0.0147
9 Fe 2 4889.62A 32.774 0.0073
10 Fe 2 4492.63A 32.191 0.0019
11 Fe 2 4457.94A 32.596 0.0049
12 N 2 5754.61A 33.290 0.0241
13 N 2 915.612A 31.997 0.0012
14 N 2 2139.01A 32.920 0.0103
15 N 2 1084.58A 31.927 0.0010
16 N 2 915.962A 31.993 0.0012
17 N 2 2142.78A 33.310 0.0252
Para filtrar es muy fácil, únicamente tenemos que poner la comparación que deseamos hacer, por ejemplo, para filtrar todas las filas donde la columna "Nombre" sea igual a "N" hacemos lo siguiente:
print(df[df['Nombre'] == 'N'])
Esto devuelve:
Nombre ion LongOnd da abundancia
12 N 2 5754.61A 33.290 0.0241
13 N 2 915.612A 31.997 0.0012
14 N 2 2139.01A 32.920 0.0103
15 N 2 1084.58A 31.927 0.0010
16 N 2 915.962A 31.993 0.0012
17 N 2 2142.78A 33.310 0.0252
Y si deseamos pasar más condiciones para filtrar filas las podemos agregar con &
para hacer and
y con |
para hacer or
. Por ejemplo:
df[((df['Nombre'] == 'N') & (df['abundancia'] > 0.01))]
Esto devuelve:
Nombre ion LongOnd da abundancia
12 N 2 5754.61A 33.29 0.0241
14 N 2 2139.01A 32.92 0.0103
17 N 2 2142.78A 33.31 0.0252
Si estás trabajando con muchos datos te recomendaría (Si es permitido en tu tarea/proyecto) utilizar pandas
eso te facilitaría mucho buscar datos y hacer cualquier tipo de operaciones, por ejemplo digamos que quieres contar el número de elementos con el mismo nombre, podrías hacer algo así:
df.groupby(['Nombre']).size()
Y esto devuelve:
Nombre
FI 1
Fe 6
MI 2
N 6
NI 2
TI 1
dtype: int64
Entre otras muchas cosas que tal vez necesites hacer más adelante
pandas