我必須為我們在工作中使用的數(shù)據(jù)文件編寫一個解析器。我選擇 Pandas 是因?yàn)槲易x過它的速度非?？?，而且性能是它的一大重點(diǎn)。作為旁注，我在今天之前從未使用過 Pandas。據(jù)我了解，我需要告訴 Pandas 我的標(biāo)題行在類似 CSV 的文件中的位置。但是在實(shí)際數(shù)據(jù)開始之前，工作中的文件可能具有可變數(shù)量的行。例子：Software :SomeCorpSoft 2.3.4Measurement Name;defaultCreated;2017-11-30T11:42:09ZScan Type;Threshold scanSerial Number;A-SERIAL-NUM-1234Sensor Nickname;Trend Count;1Trigger Level;0Trigger Holdoff;0start;0end ;0F1; 44.12; H; 8;Time;F1 ;V 1 ;Hp 1 ;C 1 ;P 1 ;V 2 ;Hp 2 ;C 2 ;P 2 ;V 3 ;Hp 3 ;C 3 ;P 3 ;V 4 ;Hp 4 ;C 4 ;P 4 ;V 5 ;Hp 5 ;C 5 ;P 5 ;V 6 ;Hp 6 ;C 6 ;P 6 ;V 7 ;Hp 7 ;C 7 ;P 7 ;V 8 ;Hp 8 ;C 8 ;P 8 ;0;13.448671;349.458099365;0;7.72320135575;-105.609801195;8.54580983665;-15.5168133183;0.0477259658688;101.686749515;4.46981738574;152.711715748;0.0728701513916;77.1428145399;17.8438225472;-163.940792731;0.95931622744;48.4915601658;0.525170185762;-85.3977558257;0.255517896038;-58.4781138655;2.0410204213;131.266863348;0.291022526301;-145.942080277;12.7706899744;-150.335793306;1.3724642398;-161.919972567;5.3790623792;-148.609825665;0.512542366745;-177.811876518;所以在這個例子中，我的實(shí)際標(biāo)題在第 14 行（如果它忽略空行，則為第 13 行，對此不確定），它以Time開頭（這是一個常數(shù)，所以也許某種 lambda 方法可以考慮到這一點(diǎn)？）但我還需要前面的幾行，以便在數(shù)據(jù)庫中形成不同的對象（例如，“ Created; ”給了我測量的時間）。然后我必須為每個標(biāo)題創(chuàng)建對象實(shí)例。它們確實(shí)與下面的數(shù)據(jù)一致，例如：Time -> 0F1 -> 13.448671V1 -> 349.458099365... so on...所以我有import pandas as pddf = pd.read_csv(file_dir)for i in df.values:    for x in i:        if "Software" in x:            software_ver = x.split(':')[1]        if "Time" in x:            headers = x但這感覺“便宜”？可能有一種 Pandas 方法可以做到這一點(diǎn)。在那之后，我計(jì)劃在標(biāo)題之后對每一行進(jìn)行壓縮，因?yàn)樗鼈兌计ヅ?，這樣我就可以將值與標(biāo)題配對，但同樣，這可能是一種更好的方法，更有效。這些文件可能有幾十萬行，我必須為每一行的每個標(biāo)題元素創(chuàng)建一個對象實(shí)例。我們當(dāng)前的解析器需要幾分鐘的時間，但我需要把時間縮短。