使用多个分隔符将文本导入到pandas中。

Question

我有一些数据看起来像这样：

c stuff
c more header
c begin data         
 1 1:.5
 1 2:6.5
 1 3:5.3

我想把它导入到一个3列数据框中，其中列名例如：

a , b, c
1,  1, 0.5
etc

我一直在尝试将数据分为两列，以':'为分隔符，并将第一列以' '为分隔符进行拆分。但我发现这很烦人。是否有更好的方法可以直接在导入时解决？

目前情况：

data1 = pd.read_csv(file_loc, skiprows = 3, delimiter = ':', names = ['AB', 'C'])
data2 = pd.DataFrame(data1.AB.str.split(' ',1).tolist(), names = ['A','B'])

然而，这一情况进一步复杂化了，因为我的数据开头有一个空格...

我觉得这应该是一个简单的任务，但目前我想着逐行读取并使用一些查找和替换方法来清理数据，然后再进行导入。

- CastleH

Answer 1

一种方法是使用 Python 引擎允许的正则表达式分隔符。例如：

>>> !cat castle.dat
c stuff
c more header
c begin data         
 1 1:.5
 1 2:6.5
 1 3:5.3
>>> df = pd.read_csv('castle.dat', skiprows=3, names=['a', 'b', 'c'], 
                     sep=' |:', engine='python')
>>> df
   a  b    c
0  1  1  0.5
1  1  2  6.5
2  1  3  5.3

- DSM

---

这正是我所需要的。谢谢。 - CastleH

现在我有点尴尬，之前没有注意到文档中的“sep”参数... :-/ - CastleH

当我使用这个方法时，为什么会出现“ParserError”？ pandas.errors.ParserError：在第11行中期望29个字段，但看到了45个。错误可能是由于在使用多字符分隔符时忽略引号引起的。 - user77005

或者在单字符分隔符的情况下，使用字符类sep='[ :]'。 - Andras Deak -- Слава Україні

@user77005，sep 值是一个正则表达式字符串；请确保您始终将其放置在 '..' 或 "...." 中。 - Sumax