用 pandas 读取制表符分隔的字段，有些行有多个制表符答案

【问题标题】：Read tab-delimited fields with pandas, some lines with more than one tabs用 pandas 读取制表符分隔的字段，有些行有多个制表符
【发布时间】：2019-06-04 14:23:31
【问题描述】：

我正在尝试使用 Pandas 读取制表符分隔的 txt 文件。该文件如下所示：

data file sample

14.38   14.21   0.8951  5.386   3.312   2.462   4.956   1<p>
14.69   14.49   0.8799  5.563   3.259   3.586   5.219   1<p>
14.11   14.12   0.8911  5.422   3.302   2.723  &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;   &nbsp;&nbsp;&nbsp;       5        1<p>

有些行有额外的标签。如果我使用 read_csv 或 read_fwf，并指定 sep='\t'。我得到的结果如下所示：

0   15.26\t14.84\t0.871\t5.763\t3.312\t2.221\t5.22\t1<p>
1   14.88\t14.57\t0.8811\t5.554\t3.333\t1.018\t4.9 <p>

对于我可以指定哪些参数来处理此问题，您有什么建议吗？谢谢。

解决方案：

使用 pd.read_csv(filename, delim_whitespace=True)

【问题讨论】：

试试 read_csv(delim_whitespace=True)
不知道是什么问题。当数据中有两个选项卡时，您是否希望结果包含 \t\t ？此外，如果您将数据作为字符串而不是 .png 发布，我可以更轻松地进行调试。
@Vaishali，非常感谢！这行得通！

标签： pandas

【解决方案1】：

Pandas read_csv 非常通用，您可以将它与 delim_whitespace = True 一起使用来处理可变数量的空格。

df = pd.read_csv(filename, delim_whitespace=True)

选项 2：使用分隔符参数

df = pd.read_csv(filename, sep='\t+')

【讨论】：

【解决方案2】：

如果我使用此代码：

import pandas as pd
parsed_csv_txt = pd.read_csv("tabbed.txt",sep="\t")
print(parsed_csv_txt)

关于这个文件：

a   b   c   d   e
14.69   2452    982 234 12
14.11   5435    234     12
16.63   1       12  66

我明白了：

       a     b      c      d   e
0  14.69  2452  982.0  234.0  12
1  14.11  5435  234.0    NaN  12
2  16.63     1    NaN   12.0  66

我们在这里看到的输出有什么问题吗？

如果您想要不同的输出，例如：

       a     b    c    d     e
0  14.69  2452  982  234  12.0
1  14.11  5435  234   12   NaN
2  16.63     1   12   66   NaN

使用此代码：

import pandas as pd
parsed_csv_txt = pd.read_csv("tabbed.txt",delim_whitespace=True)
print(parsed_csv_txt)

注意

有关值之间的可变数量空白主题的更长时间的讨论，请查看此讨论：Can pandas handle variable-length whitespace as column delimiters

【讨论】：