Pandas读取CSV文件只识别第一个逗号

Question

我有一个CSV数据库，长这样：

Date,String
2010-12-31,'This, is, an example string'
2011-12-31,"This is an, example string"
2012-12-31,This is an example, string

我想使用pandas，因为我相信它是处理这种情况最广泛的库之一。是否有一种方法可以使用read_csv函数仅考虑第一个逗号来创建DataFrame？（无论在逗号后面的字符串是否有""或''或没有任何隔离符）。

如果不行，那么最有效的替代方法是什么？

非常感谢您提前的任何帮助，

- iraciv94

Answer 1

您可以通过在read_csv的sep参数中传递正则表达式来作弊。我使用的正则表达式是^([^,]+),，它捕获第一个逗号。我还使用了engine参数，以避免pandas警告（因为默认的C引擎不支持正则表达式分隔符），并使用usecols参数确保我们只获取想要的列（如果没有它，我们还会得到一个“未命名”列，我不确定为什么）。您可以在read_csv文档中获取有关每个参数的更多信息。

test.csv

Date,String
2010-12-31,'This, is, an example string'
2011-12-31,"This is an, example string"
2012-12-31,This is an example, string

那么

print(pd.read_csv('test.csv', sep='^([^,]+),', engine='python', usecols=['Date', 'String']))

输出

         Date                         String
0  2010-12-31  'This, is, an example string'
1  2011-12-31   "This is an, example string"
2  2012-12-31     This is an example, string

如果 CSV 文件中有超过 2 列“实际”列，则此方法将无法正常工作。

- DeepSpace

---

你得到了一个未命名的列，因为你的分隔符在行的开头，所以在你的行左侧有一个空白列（就像你有一个包含类似于,foo,bar的行的csv文件一样）。 - Simon Pratt