dataframe只留最后一行数

可以使用 `tail()` 方法来获取 DataFrame 的最后一行，例如：

df.tail(1)

这将返回一个只含有 DataFrame 最后一行的 DataFrame。如果你想要保留原始 DataFrame，可以将其赋值给一个新的变量，例如：

df_last_row = df.tail(1)

相关问题

写出python代码，用argparse,pandas。能在任何文件夹读取Log。具体如下： 1.读取log，当读取到最后一次出现"My name is kitty"时，从下一行开始读 2.删除所有重复的行，只留第一行 3.第一行按照正则规则1分列后，写入新的CSV文件Output 4.从下一行开始按照正则规则2分列后，继续写入新的CSV文件Output 5.读取CSV文件Output 6.把标题行分为4类，第一类是标题为ABC,DFG的2列

好的，我已经了解了您的需求，下面是符合您要求的Python代码：

import argparse
import pandas as pd
import re

# 定义命令行参数
parser = argparse.ArgumentParser(description='Process log file and output CSV file')
parser.add_argument('log_file', metavar='log_file', type=str, help='path of input log file')
parser.add_argument('output_file', metavar='output_file', type=str, help='path of output CSV file')
args = parser.parse_args()

# 读取log文件
log_data = []
with open(args.log_file, 'r') as f:
    flag = False
    for line in f:
        if "My name is kitty" in line:
            flag = True
            continue
        if flag:
            log_data.append(line)
log_df = pd.DataFrame(log_data, columns=['log'])

# 删除重复行
log_df.drop_duplicates(inplace=True)

# 分列操作
pattern1 = r'(\d+)-(\d+)-(\d+)\s+(\d+):(\d+):(\d+)\s+(.*)'
log_df[['Date', 'Time', 'Message']] = log_df['log'].str.extract(pattern1)
log_df.drop(['log'], axis=1, inplace=True)

# 写入第一部分结果
log_df.to_csv(args.output_file, index=False)

# 继续分列操作
pattern2 = r'(\d+),\s+(.*)'
log_df[['Value1', 'Value2']] = log_df['Message'].str.extract(pattern2)

# 读取CSV文件
csv_df = pd.read_csv(args.output_file)

# 根据标题进行分类
category1 = ['ABC', 'DFG']
category1_df = csv_df[category1]

# 输出结果
print(category1_df.head())

这段代码使用了argparse和pandas两个库，可以方便地处理命令行参数和CSV文件的读写操作。具体实现步骤如下：

1. 使用argparse库定义了两个命令行参数，分别为输入log文件和输出CSV文件的路径。
2. 使用open函数读取log文件，并根据要求从"My name is kitty"的下一行开始读取内容，存储在一个DataFrame对象中。
3. 使用pandas库的`drop_duplicates`方法删除重复行。
4. 使用正则表达式对DataFrame对象中的内容进行分列操作，并删除不需要的列。
5. 将第一部分结果写入CSV文件中。
6. 对第一部分结果的Message列进行进一步分列操作。
7. 使用pandas库的`read_csv`方法读取CSV文件。
8. 根据标题进行分类，输出结果。

需要注意的是，为了保证正则表达式规则能够正确地分列，您需要根据实际情况来修改`pattern1`和`pattern2`变量的值。另外，为了能够正确地读取log文件，您需要保证log文件中包含"My name is kitty"这一行。

写出python代码，用argparse。能在任何文件夹读取Log。具体如下： 1.读取log，当读取到最后一次出现"My name is kitty"时，从下一行开始读 2.删除所有重复的行，只留第一行 3.第一行按照正则规则1分列后，才知道有多少列，写入新的CSV文件Output 4.从下一行开始按照正则规则2分列后，才知道有多少列，继续写入新的CSV文件Output 5.读取CSV文件Output 6.把标题行分为4类，第一类是标题为ABC,DFG的2列，第二类是CAT开头的几列，第三类是DOG开头的几列，第四类是Fish开头的几列 7.把4类标题画成4个曲线图，标注每条线的标题

以下是实现上述功能的 Python 代码，使用了 argparse 进行命令行参数解析：

import argparse
import re
import pandas as pd
import matplotlib.pyplot as plt

# 定义正则规则1和正则规则2
REGEX1 = r"(\d+\.\d+)\s+"
REGEX2 = r"(\d+\.\d+)\s+"

def parse_args():
    parser = argparse.ArgumentParser(description='处理log文件并生成曲线图')
    parser.add_argument('input_file', help='输入文件名')
    parser.add_argument('output_file', help='输出文件名')
    return parser.parse_args()

def read_log(filename):
    with open(filename, 'r') as f:
        lines = f.readlines()
    # 找到最后一次出现"My name is kitty"的位置
    idx = len(lines) - 1
    while idx >= 0:
        if "My name is kitty" in lines[idx]:
            break
        idx -= 1
    # 从下一行开始读取，去除重复行
    data = []
    for line in set(lines[idx+1:]):
        data.append(line.strip())
    return data

def parse_data(data):
    # 第一行按照正则规则1分列
    columns1 = [f'col{i}' for i in range(1, len(data[0].split())+1)]
    df1 = pd.DataFrame([re.findall(REGEX1, data[0])], columns=columns1)
    # 从下一行开始按照正则规则2分列
    columns2 = [f'col{i}' for i in range(1, len(data[1].split())+1)]
    df2 = pd.DataFrame([re.findall(REGEX2, line) for line in data[1:]], columns=columns2)
    # 合并两个数据框
    df = pd.concat([df1, df2], axis=1)
    return df

def write_csv(df, filename):
    df.to_csv(filename, index=False)

def read_csv(filename):
    df = pd.read_csv(filename)
    return df

def plot_data(df):
    # 分类绘制曲线图
    fig, axs = plt.subplots(2, 2)
    axs[0, 0].plot(df['ABC'], label='ABC')
    axs[0, 0].plot(df['DFG'], label='DFG')
    axs[0, 0].set_title('Title for ABC and DFG')
    axs[0, 0].legend()
    axs[0, 1].plot(df.filter(regex='^CAT'), label='CAT')
    axs[0, 1].set_title('Title for CAT')
    axs[0, 1].legend()
    axs[1, 0].plot(df.filter(regex='^DOG'), label='DOG')
    axs[1, 0].set_title('Title for DOG')
    axs[1, 0].legend()
    axs[1, 1].plot(df.filter(regex='^Fish'), label='Fish')
    axs[1, 1].set_title('Title for Fish')
    axs[1, 1].legend()
    plt.show()

def main():
    args = parse_args()
    # 读取log文件
    data = read_log(args.input_file)
    # 解析数据，写入CSV文件
    df = parse_data(data)
    write_csv(df, args.output_file)
    # 读取CSV文件，画图
    df = read_csv(args.output_file)
    # 把标题行分为4类
    df.columns = df.columns.str.strip()  # 去除列名前后的空格
    df_abc = df[['col1', 'col2']]  # ABC和DFG
    df_cat = df.filter(regex='^CAT')  # CAT开头的列
    df_dog = df.filter(regex='^DOG')  # DOG开头的列
    df_fish = df.filter(regex='^Fish')  # Fish开头的列
    # 画图
    plot_data(df_abc)
    plot_data(df_cat)
    plot_data(df_dog)
    plot_data(df_fish)

if __name__ == '__main__':
    main()

假设输入文件名为 `input.log`，输出文件名为 `output.csv`，可以使用以下命令运行程序：

python program.py input.log output.csv

其中 `program.py` 为程序名。