\ W +分隔符意外的read_csv結果

Question

我有一個輸入文件，我想讀入一個熊貓數據框。 該文件是空格分隔的，包括第一個值之前的空格。 我已經嘗試使用「\ W +」正則表達式作爲分隔符的read_csv和read_table。

data = pd.io.parsers.read_csv('file.txt',names=header,sep="\W+")

他們在正確的列數讀，但值本身是完全僞造的。是否有其他人遇到過這種情況，或者我使用不正確

我也嘗試逐行讀取文件，從row.split()創建一系列並將該系列附加到數據幀，但它似乎因內存而崩潰。

是否有任何其他選項用於從文件創建數據框？

我使用熊貓v0.11.0，Python 2.7版

Answer 1

正則表達式'\W'的意思是「不是一個單詞字符」（一個「單詞字符」是字母，數字和下劃線），看到re docs，因此怪結果。我想你的意思是使用空格'\s+'。

注意：read_csv提供了一個delim_whitespace參數（您可以設置爲True），但是我個人更喜歡使用'\s+'。

Answer 2

我不知道你的數據是什麼樣的，所以我不能重現你的錯誤。我創建了一些示例數據，它運行良好，但有時在read_csv中使用正則表達式可能會很麻煩。如果要指定分隔符，請改爲使用「」作爲分隔符。但我建議先嚐試安迪海登的建議。這是「delim_whitespace = True」。它運作良好。

你可以在這裏看到它的文檔：http://pandas.pydata.org/pandas-docs/dev/io.html