Pandas 如何处理 CSV 分隔中的不规则空格？

使 CSV 分隔符更灵活地处理 Pandas 中的不规则空白

当使用 pandas.read_csv() 从具有不规则列分隔符的文件创建数据帧时，遇到挑战是常事。某些列可能由制表符分隔，而其他列则由不同数量的空格甚至空格和制表符的混合分隔。这种不规则性可能会导致解析问题。

为了解决这个问题，pandas 提供了两个选项：使用正则表达式 (regex) 或设置 delim_whitespace。

使用正则表达式

正则表达式选项允许您指定分隔符的模式。例如：

<code class="python">import pandas as pd
df = pd.read_csv("file.csv", header=None, delimiter=r"\s+")</code>

这里，r"s " 匹配一个或多个空白字符（包括空格和制表符）。

使用 delim_whitespace

delim_whitespace=True 选项自动检测空格（空格和制表符）作为分隔符：

<code class="python">df = pd.read_csv("file.csv", header=None, delim_whitespace=True)</code>

与 Python 的 split() 方法比较

您在 Python 中提到过，您可以使用 line.split() 来处理变量空白而不会出现问题。 pandas.read_csv() 通过 delim_whitespace 和 regex 选项提供类似的灵活性。

示例

使用以下输入文件 (whitespace.csv):

a    b    c 1 2
d    e    f 3 4

以下代码将创建一个具有正确列分隔的数据框，无论分隔符类型如何：

<code class="python">df = pd.read_csv("whitespace.csv", header=None, delim_whitespace=True)

print(df)

   0  1  2  3  4
0  a  b  c  1  2
1  d  e  f  3  4</code>

以上是Pandas 如何处理 CSV 分隔中的不规则空格？的详细内容。更多信息请关注PHP中文网其他相关文章！