Разбиение csv-файла нескольких объектов во времени по времени

Question

Здесь у меня есть пример файла из нескольких объектов, каждый из которых измеряется в одни и те же моменты времени (также ND.T представляет каждую уникальную точку времени). Я хотел бы разделить этот файл на отдельные файлы (используя скрипт python), содержащий все объекты, уникальные для каждого момента времени, содержащего заголовок.

Исходный файл:

ID ND.T Time [s] Position X [%s] Position Y [%s] Speed [%s] Area [%s] Width [%s] MeanIntensity 
1 1  3.87   417.57   11.46   0.06  339.48  14.1   245.65 
1 2  8.72   417.37   11.68   0.04  342.61  14.15   239.34 
1 3  13.39  417.57   11.66   0.04  344.17  14.3   239.48 
2 1  3.87   439.01   6.59   0.02  342.61  11.66   204.47 
2 2  8.72   438.97   6.65   0.007  342.61  10.7   197.96 
2 3  13.39  438.94   6.66   0.03  345.74  11.03   214.74 

Time_3.87.csv

ID ND.T Time [s] Position X [%s] Position Y [%s] Speed [%s] Area [%s] Width [%s] MeanIntensity 
1 1  3.87   417.57   11.46   0.06  339.48  14.1   245.65 
2 1  3.87   439.01   6.59   0.02  342.61  11.66   204.47 

Time_8.72.csv

ID ND.T Time [s] Position X [%s] Position Y [%s] Speed [%s] Area [%s] Width [%s] MeanIntensity 
1 2  8.72   417.37   11.68   0.04  342.61  14.15   239.34 
2 2  8.72   438.97   6.65   0.007  342.61  10.7   197.96 

Time_13.39.csv

ID ND.T Time [s] Position X [%s] Position Y [%s] Speed [%s] Area [%s] Width [%s] MeanIntensity 
1 3  13.39  417.57   11.66   0.04  344.17  14.3   239.48 
2 3  13.39  438.94   6.66   0.03  345.74  11.03   214.74 

Пример 2:

ID ND.T Time [s] Position X [%s] Position Y [%s] Speed [%s] Area [%s] Width [%s] MeanIntensity 
1 1 3.87 417.57 11.46 0.06 339.48 14.1 245.65 
1 2 8.72 417.37 11.68 0.04 342.61 14.15 239.34 
1 3 13.39 417.57 11.66 0.04 344.17 14.3 239.48 
1 4 18.1 417.73 11.71 0.04 337.92 14.14 225.17 
1 5 22.81 417.83 11.89 0.03 344.17 14.64 233.3 
1 6 27.48 417.69 11.83 0.02 345.74 14.23 238 
1 7 32.16 417.65 11.94 0.03 345.74 14.71 230.75 
2 1 3.87 439.01 6.59 0.02 342.61 11.66 204.47 
2 2 8.72 438.97 6.65 0.007 342.61 10.7 197.96 
2 3 13.39 438.94 6.66 0.03 345.74 11.03 214.74 
2 4 18.1 438.9 6.53 0.04 342.61 10.46 202.9 
2 5 22.81 438.97 6.7 0.02 342.61 10.3 194.32 
2 6 27.48 438.89 6.71 0.006 350.43 11 219.41 
2 7 32.16 438.87 6.74 0.05 348.87 10.36 219.58 

Answer 1

Вы можете использовать pandas для достижения этой цели:

import pandas as pd 
df = pd.read_csv(your_file) 
df.groupby('Time [s]').apply(lambda x: x.to_csv(str(x.name) + '.csv')) 

выше будет загрузить файл CSV, используя read_csv и группу на колонке Time [s] и использовать это имя файл

Вы можете видеть, что ФР сгруппированы по времени [с]:

In [108]: 
df.groupby('Time [s]').apply(lambda x: print(x)) 
    ID ND.T Time [s] Position X [%s] Position Y [%s] Speed [%s] \ 
0 1  1  3.87   417.57   11.46  0.06 
3 2  1  3.87   439.01    6.59  0.02 

    Area [%s] Width [%s] MeanIntensity 
0  339.48  14.10   245.65 
3  342.61  11.66   204.47 
    ID ND.T Time [s] Position X [%s] Position Y [%s] Speed [%s] \ 
0 1  1  3.87   417.57   11.46  0.06 
3 2  1  3.87   439.01    6.59  0.02 

    Area [%s] Width [%s] MeanIntensity 
0  339.48  14.10   245.65 
3  342.61  11.66   204.47 
    ID ND.T Time [s] Position X [%s] Position Y [%s] Speed [%s] \ 
1 1  2  8.72   417.37   11.68  0.040 
4 2  2  8.72   438.97    6.65  0.007 

    Area [%s] Width [%s] MeanIntensity 
1  342.61  14.15   239.34 
4  342.61  10.70   197.96 
    ID ND.T Time [s] Position X [%s] Position Y [%s] Speed [%s] \ 
2 1  3  13.39   417.57   11.66  0.04 
5 2  3  13.39   438.94    6.66  0.03 

    Area [%s] Width [%s] MeanIntensity 
2  344.17  14.30   239.48 
5  345.74  11.03   214.74 

Out[108]: 
Empty DataFrame 
Columns: [] 
Index: [] 

Здесь groupby сгруппирует на «Time [s]» столбец, затем мы называем apply применить lambda, где мы называем метод to_csv по каждой группе, мы можем получить доступ к имени группы, используя name атрибут, который имеет dtypeint таким образом мы лить на str и построить наше имя csv:

In [109]: 
df.groupby('Time [s]').apply(lambda x: print(str(x.name) + '.csv')) 

3.87.csv 
8.72.csv 
13.39.csv 
Out[109]: 
Empty DataFrame 
Columns: [] 
Index: []