遍历每个 ".txt" 文件,获取其中的 label,并找第一列为有14的txt文件

时间: 2024-03-15 11:46:59 浏览: 20
好的,根据你的要求,我可以为你编写一个 Python 代码来实现此功能。代码如下: ```python import os # 获取当前路径下所有文件名 files = os.listdir() # 遍历每个 ".txt" 文件 for file_name in files: if file_name.endswith('.txt'): with open(file_name, 'r') as f: # 获取第一列数据 first_col = f.readline().strip().split(',')[0] # 判断是否为 14 if first_col == '14': print(file_name) ``` 这段代码会首先获取当前路径下所有文件名,然后遍历每个 ".txt" 文件。对于每个 ".txt" 文件,它会打开文件并读取第一行,然后通过 split(',') 将第一行数据按逗号分隔成一个列表,取列表的第一个元素作为第一列数据。然后判断第一列数据是否为 "14",如果是则打印出文件名。这样就可以找到第一列为 14 的 txt 文件了。
相关问题

写出python代码。可以实现通过命令把CSV文件的所有列名生成一张曲线图,生成的CSV文件自动命名并保存到当前文件夹。 1.CSV文件有80个标题,3000行。第一列为横轴坐标。 2.可以根据标题生成所有列的曲线图。每一列曲线图的颜色都不同。

这里提供使用Python的matplotlib库和pandas库实现该功能的代码: ```python import pandas as pd import matplotlib.pyplot as plt # 读取CSV文件,第一列作为索引列 df = pd.read_csv('your_file_name.csv', index_col=0) # 生成曲线图 fig, ax = plt.subplots(figsize=(10,6)) # 循环遍历所有列,除了第一列(横轴坐标) for i, col in enumerate(df.columns[1:]): # 绘制曲线图,每个图的颜色不同 ax.plot(df.index, df[col], color=plt.cm.tab20(i), label=col) # 添加图例 ax.legend(loc='upper left') # 自动命名并保存到当前文件夹 plt.savefig('your_file_name.png') ``` 其中,`your_file_name.csv`是你的CSV文件名,`your_file_name.png`是生成的曲线图文件名。你可以根据需要修改这两个文件名。这段代码会读取CSV文件的所有列名,并生成一张曲线图,每个图的颜色都不同。最后,将生成的曲线图自动命名并保存到当前文件夹。

写出python代码。可以实现通过命令把CSV文件的所有列名生成曲线图里,曲线图在一张画布里。生成的CSV文件自动命名并保存到当前文件夹。 1.CSV文件有80个标题,3000行。第一列为横轴坐标。把80条线一起显示出来。 2.可以根据标题生成所有列的曲线图。每一列曲线图的颜色都不同。

以下是实现上述功能的Python代码: ```python import pandas as pd import matplotlib.pyplot as plt # 读取CSV文件 df = pd.read_csv('data.csv') # 获取所有列名 columns = df.columns.tolist() # 第一列为横轴坐标 x = df[columns[0]] # 创建画布 fig = plt.figure() # 遍历所有列名生成曲线图 for i in range(1, len(columns)): plt.plot(x, df[columns[i]], label=columns[i]) # 添加图例 plt.legend() # 自动生成文件名并保存到当前文件夹 filename = 'all_curves.png' plt.savefig(filename) # 显示曲线图 plt.show() ``` 注意,上述代码只能实现第一种需求。如果需要根据标题生成所有列的曲线图,可以使用类似的代码实现。只需要在遍历列名时,每次只显示当前列即可。每一列曲线图的颜色可以使用随机颜色或预设颜色来区分。

相关推荐

from tifffile import imread as tfread import numpy as np from Raserize import arr2raster from osgeo import gdal fcn = r'E:\姜璐\再修改复现\轮种\G边缘约束\2\A重采样\xinmin_Resample.tif' # 加入高分分割后的重采样结果 fcn = tfread(fcn) obj = r'E:\姜璐\农作物提取\中期修改代码复现\F高分分割结果\有坐标\新民分割.tif' # 高分辨率的分割结果影像 obj = tfread(obj) num_bands = 8 # 分类数(需算上背景类0) num_obj = obj.max() + 1 # 分割对象数 v = np.zeros((num_obj, num_bands)) # 建一个行为264500,列为8的全0数组 res = np.zeros_like(fcn) # 建一个和fcn同样类型和形状的全0数组 h, w = obj.shape[0], obj.shape[1] # 获取高分分割的行为27674,列为43894 for obj_row, fcn_row in zip(obj, fcn): # 遍历二维数组 for obj_pix, fcn_pix in zip(obj_row, fcn_row): # v[obj_pix, fcn_pix] += 1 # 取obj和fcn的像素值 v = np.argmax(v[:, 1:], axis=-1) + 1 # axis=-1,返回每行的索引最大值,v[:, 1:]取v数组中,行的全部元素,列除第一列的全部元素 for i in range(h): for j in range(w): res[i, j] = v[obj[i, j]] im_path = r'E:\姜璐\再修改复现\轮种\G边缘约束\A重采样\xinmin_yueshu.tif' # 提供坐标投影信息,加入高分分割后的重采样结果 dataset = gdal.Open(im_path) prj = dataset.GetProjection() trans = dataset.GetGeoTransform() save_path = r'E:\姜璐\再修改复现\测试\xinmin_jieguo.tif' # 保存位置 arr2raster(res, save_path, is_label=True, prj=prj, trans=trans, color=True)每行代码意思

最新推荐

recommend-type

Java实现读取键盘输入保存到txt文件,再统计并输出每个单词出现次数的方法

主要介绍了Java实现读取键盘输入保存到txt文件,再统计并输出每个单词出现次数的方法,涉及java文件I/O操作及字符串遍历、运算实现统计功能相关技巧,需要的朋友可以参考下
recommend-type

Python实现合并同一个文件夹下所有txt文件的方法示例

主要介绍了Python实现合并同一个文件夹下所有txt文件的方法,涉及Python针对文件的遍历、读取、写入等相关操作技巧,需要的朋友可以参考下
recommend-type

Java遍历文件夹下所有文件并重新命名

主要为大家详细介绍了Java遍历文件夹下所有文件并重新命名,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

Python实现的txt文件去重功能示例

主要介绍了Python实现的txt文件去重功能,涉及Python针对txt文本文件的读写、字符串遍历、判断相关操作技巧,需要的朋友可以参考下
recommend-type

Android遍历所有文件夹和子目录搜索文件

为了准确搜索文件,大家可以采取什么方法查找文件,本文为大家介绍Android遍历所有文件夹和子目录实现文件搜索功能,感兴趣的小伙伴们可以参考一下
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。