Ler arquivo de pares repetidos "chave = valor" no DataFrame

Eu tenho um arquivo txt com dados neste formato. As três primeiras linhas se repetem repetidamente.

name=1
grade=A
class=B
name=2
grade=D
class=A

Gostaria de exibir os dados em um formato de tabela, por exemplo:

name | grade | class
1    | A     | B
2    | D     | A

Estou lutando para definir os cabeçalhos e apenas fazer um loop sobre os dados. O que eu tentei até agora é:

def myfile(filename):
    with open(file1) as f:
        for line in f:
            yield line.strip().split('=',1)

def pprint_df(dframe):
    print(tabulate(dframe, headers="keys", tablefmt="psql", showindex=False,))

#f = pd.DataFrame(myfile('file1')
df = pd.DataFrame(myfile('file1'))
pprint_df(df)

A saída disso é

+-------+-----+
| 0     | 1   |
|-------+-----|
| name  | 1   |
| grade | A   |
| class | B   |
| name  | 2   |
| grade | D   |
| class | A   |
+-------+-----+

Não é exatamente o que estou procurando.

Esta solução supõe que o formato do texto seja o que você descreveu, mas você pode modificá-lo para usar uma palavra diferente para indicar o início de uma nova linha. Aqui, assumimos que uma nova linha começa com o namecampo. Modifiquei sua myfile()função abaixo, espero que lhe dê algumas idéias :)

def myfile(filename):
    d_list = []
    with open(filename) as f:
        d_line = {}
        for line in f:
            split_line = line.rstrip("\n").split('=')  # Strip \n characters and split field and value.
            if (split_line[0] == 'name'):
                if d_line:
                    d_list.append(d_line)  # Append if there is previous line in d_line.
                d_line = {split_line[0]: split_line[1]}  # Start a new dictionary to collect the next lines.
            else:
                d_line[split_line[0]] = split_line[1]  # Add the other 2 fields to the dictionary.
        d_list.append(d_line) # Append the last line.
    return pd.DataFrame(d_list)  # Turn the list of dictionaries into a DataFrame.

Você pode usar os pandas para ler o arquivo e processar os dados. Você pode usar isto:

import pandas as pd
df = pd.read_table(r'file.txt', header=None)
new = df[0].str.split("=", n=1, expand=True)
new['index'] = new.groupby(new[0])[0].cumcount()
new = new.pivot(index='index', columns=0, values=1)

new Saídas:

0     class grade name
index                 
0         B     A    1
1         A     D    2

Eu sei que você tem respostas suficientes, mas aqui está outra maneira de fazê-lo usando o dicionário:

import pandas as pd
from collections import defaultdict
d = defaultdict(list)

with open("text_file.txt") as f:
    for line in f:
        (key, val) = line.split('=')
        d[key].append(val.replace('\n', ''))

df = pd.DataFrame(d)
print(df)

Isso fornece a saída como:

name grade class
0    1     A     B
1    2     D     A

Só para ter outra perspectiva.

Como você tem uma saída, é assim que eu lidaria com o problema:

Primeiro, crie um índice exclusivo com base na repetibilidade das colunas,

df['idx'] = df.groupby(df['0'])['0'].cumcount() + 1
print(df)
        0  1  idx
0   name  1      1
1  grade  A      1
2  class  B      1
3   name  2      2
4  grade  D      2
5  class  A      2

então usamos isso para dinamizar seu quadro de dados usando a crosstabfunção

df1 = pd.crosstab(df['idx'],df['0'],values=df['1'],aggfunc='first').reset_index(drop=True)
print(df1[['name','grade','class']])
0 name grade class
0    1     A     B
1    2     D     A

O que você também pode fazer é ler seu arquivo de texto fileem blocos de 3, criar uma lista aninhada e colocá-la em um dataframe:

from itertools import zip_longest
import pandas as pd

# taken from https://docs.python.org/3.7/library/itertools.html:
def grouper(iterable, n, fillvalue=None):
    "Collect data into fixed-length chunks or blocks"
    # grouper('ABCDEFG', 3, 'x') --> ABC DEF Gxx"
    args = [iter(iterable)] * n
    return zip_longest(*args, fillvalue=fillvalue)

data = [['name', 'grade', 'class']]
with open(file, 'r') as fobj:
    blocks = grouper(fobj, 3)
    for b in blocks:
        data.append([i.split('=')[-1].strip() for i in b])

df = pd.DataFrame(data[1:], columns=data[0])  

df seria diretamente

  name grade class
0    1     A     B
1    2     D     A

Nota # 1: Embora isso crie mais linhas de código do que uma pandassolução pura , na minha experiência, é provável que seja mais eficiente, pois utiliza menos pandasfunções e menos sobrecarga.

Nota 2: Em geral, eu argumentaria que seria melhor armazenar seus dados de entrada em outro formato, por exemplo, jsonou csv. isso tornaria muito mais fácil a leitura, por exemplo, com a pandasfunção read_csv no caso de um arquivo csv.

Você pode gerar essa saída usando o módulo Dicionário do Python e o Pandas.

import pandas as pd
from collections import defaultdict

text = '''name=1
          grade=A
          class=B
          name=2
          grade=D
          class=A'''
text = text.split()

new_dict = defaultdict(list) 
for i in text:
    temp = i.split('=')
    new_dict[temp[0]].append(temp[1])

df = pd.DataFrame(new_dict)

Essa abordagem pode não ser a mais eficiente, mas não usa nenhuma das funções avançadas do Pandas. Espero que ajude.

A saída:

    name    grade   class
0      1        A       B
1      2        D       A

IMHO, todas as respostas atuais parecem muito complicadas. O que eu faria é usar '='como sepparâmetro pd.read_csvpara ler 2 colunas e, em seguida, pivoto DataFrame obtido:

import pandas as pd

df = pd.read_csv('myfile', sep='=', header=None)
#        0  1
# 0   name  1
# 1  grade  A
# 2  class  B
# 3   name  2
# 4  grade  D
# 5  class  A

df = df.pivot(index=df.index // len(df[0].unique()), columns=0)
#       1           
# 0 class grade name
# 0     B     A    1
# 1     A     D    2

Se você não quiser esse índice de coluna multinível no resultado, poderá removê-lo:

df.columns = df.columns.get_level_values(1)
# 0 class grade name
# 0     B     A    1
# 1     A     D    2