### 使用 Python 读取当前目录下的 TXT 文件并提取指定列的数据 要实现从当前目录中的 `.txt` 文件中读取 `tim` 列和 `kk` 列的数据，可以采用以下方法： #### 方法一：使用 Pandas 库 Pandas 是处理结构化数据的强大工具。可以通过 `pandas.read_csv()` 函数加载 `.txt` 文件，并通过指定分隔符来解析文件。 以下是具体代码示例： ```python import pandas as pd import os # 获取当前工作目录 current_directory = os.getcwd() # 构造完整的文件路径 file_path = os.path.join(current_directory, 'your_file.txt') # 假设 .txt 文件是以某种分隔符（如逗号、空格或制表符）分割的 data = pd.read_csv(file_path, sep='\s+', usecols=['tim', 'kk']) # 如果分隔符是其他字符，请替换 '\s+' 为实际分隔符 print(data) ``` 此代码会自动跳过不存在的列名，并仅保留 `tim` 和 `kk` 的数据[^1]。 --- #### 方法二：使用 NumPy 处理纯文本文件 如果文件较大且不需要复杂的 DataFrame 功能，则可以直接利用 NumPy 来高效读取数据。 以下是基于 NumPy 的解决方案： ```python import numpy as np import os # 获取当前工作目录 current_directory = os.getcwd() # 构造完整的文件路径 file_path = os.path.join(current_directory, 'your_file.txt') # 加载整个文件到数组中 raw_data = np.loadtxt(file_path, dtype=str) # 提取所需列索引对应的数值 # 需要知道 tim 和 kk 所在的具体列位置 column_tim_index = list(raw_data[0]).index('tim') column_kk_index = list(raw_data[0]).index('kk') # 转换为浮点数或其他适当类型 tim_column = raw_data[1:, column_tim_index].astype(float) kk_column = raw_data[1:, column_kk_index].astype(float) print(tim_column) print(kk_column) ``` 注意，在这种情况下需要手动确认 `tim` 和 `kk` 对应的列索引[^4]。 --- #### 方法三：逐行读取文件并手动解析 对于更灵活的情况，可以选择逐行读取文件并通过字符串操作提取目标列的内容。 以下是相应代码： ```python import os # 获取当前工作目录 current_directory = os.getcwd() # 构造完整的文件路径 file_path = os.path.join(current_directory, 'your_file.txt') # 初始化列表用于保存两列数据 tim_list = [] kk_list = [] with open(file_path, 'r') as f: header = f.readline().strip().split() # 读取首行作为标题 tim_idx = header.index('tim') kk_idx = header.index('kk') for line in f: row = line.strip().split() try: tim_value = float(row[tim_idx]) kk_value = float(row[kk_idx]) tim_list.append(tim_value) kk_list.append(kk_value) except IndexError: continue # 忽略不完整行 print(tim_list) print(kk_list) ``` 这种方法适用于任何类型的分隔符以及可能存在的异常情况[^2]。 --- ### 总结 以上三种方式分别适合不同的场景需求。推荐优先考虑 **Pandas** 方案，因其简单易用；而针对超大规模数据集时可选用 **NumPy** 或者自定义解析逻辑的方式。