当前位置: 代码网 > it编程>前端脚本>Python > Python统计数据文件特定区间数据量的详细步骤

Python统计数据文件特定区间数据量的详细步骤

2026年09月16日 Python 我要评论
一、统计数据文件特定区间数据量步骤:(1)读取文件数据。readlines按列读取数据;(2)设置数据区间。按照数据大小对数据进行区间设置(min,max等);(3)循环遍历数据,统计数据区间内数据量

一、统计数据文件特定区间数据量步骤:

(1)读取文件数据。readlines按列读取数据;

(2)设置数据区间。按照数据大小对数据进行区间设置(min,max等);

(3)循环遍历数据,统计数据区间内数据量;

 二、以统计txt文件[455120,455140]、[455140,455160]、[455160,455180]、[455180,455200]四个区间数据量为例,使用该方法实现数据量统计:

# 统计“xxx.txt”文件区间数据量
# 数据加载
def load_numbers(file):
    numbers = []
    with open(file, 'r') as f:
        for line in f.readlines():
            numbers.append(float(line))
    return numbers
if __name__ == '__main__':
    # 从文件 txt 中加载数据
    numbers = load_numbers('xxx.txt')
    min1 = 455120  # 区间下限
    max1 = 455140
    min2 = 455140
    max2 = 455160
    min3 = 455160
    max3 = 455180
    min4 = 455180
    max4 = 455200
    # 统计区间数字个数
    i = j = k = l = 0
    for val in numbers:
        # 如果不要包含上下限,去掉 = 号
        if val > min1 and val < max1:
            i = i + 1
        elif val > min2 and val < max2:
            j = j + 1
        elif val > min3 and val < max3:
            k = k + 1
        else :
            l = l + 1
    # 将结果保存到文件 result.txt 中
    with open('result.txt', 'w') as f:
        f.write('[%d,%d]:%d' % (min1, max1, i) + '\n'
                '[%d,%d]:%d' % (min2, max2, j) + '\n'
                '[%d,%d]:%d' % (min3, max3, k) + '\n'
                '[%d,%d]:%d' % (min4, max4, l))
    print('done.')

统计文本文件中特定区间的数据量,核心就是‌读取文件 → 按区间条件筛选 → 计数‌,最直接的写法是循环遍历。‌‌

# 读取文件,每行一个数值
def load_numbers(file):
    numbers = []
    with open(file, 'r') as f:
        for line in f.readlines():
            numbers.append(float(line))
    return numbers
numbers = load_numbers('data.txt')
# 定义区间(左开右开,不含边界)
min1, max1 = 455120, 455140
min2, max2 = 455140, 455160
# 统计各区间数量
i = j = 0
for val in numbers:
    if min1 < val < max1:
        i += 1
    elif min2 < val < max2:
        j += 1
print(f'[{min1},{max1}]: {i}')
print(f'[{min2},{max2}]: {j}')

⚡ 更高效的方式

数据量大时用 ‌pandas + pd.cut‌ 一行搞定,还能一次统计多个区间:‌‌

import pandas as pd
# 读取一列数据
df = pd.read_csv('data.csv', header=none, names=['value'])
# 自定义区间边界(左闭右开)
bins = [455120, 455140, 455160, 455180, 455200]
labels = ['455120-455140', '455140-455160', '455160-455180', '455180-455200']
# 分箱并统计数量
df['range'] = pd.cut(df['value'], bins=bins, labels=labels, right=false)
count = df['range'].value_counts().sort_index()
print(count)

⚠️ 注意 pd.cut 默认是左开右闭(right=true),想要左闭右开就加 right=false;循环判断时边界是否包含也要先想清楚,这直接影响结果。‌‌

如果数据是 excel 文件,用 pd.read_excel('文件.xlsx') 读进来,其他操作一样。‌‌

到此这篇关于python统计数据文件特定区间数据量的文章就介绍到这了,更多相关python 常用统计图表实战指南内容请搜索代码网以前的文章或继续浏览下面的相关文章希望大家以后多多支持代码网!

到此这篇关于python统计数据文件特定区间数据量的详细步骤的文章就介绍到这了,更多相关python 统计区间数据内容请搜索代码网以前的文章或继续浏览下面的相关文章希望大家以后多多支持代码网!

(0)

相关文章:

版权声明:本文内容由互联网用户贡献,该文观点仅代表作者本人。本站仅提供信息存储服务,不拥有所有权,不承担相关法律责任。 如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 2386932994@qq.com 举报,一经查实将立刻删除。

发表评论

验证码:
Copyright © 2017-2026  代码网 保留所有权利. 粤ICP备2024248653号
站长QQ:2386932994 | 联系邮箱:2386932994@qq.com