逗号和制表符分隔的 tsv 文件

【问题标题】：Comma and tab delimited tsv file逗号和制表符分隔的 tsv 文件
【发布时间】：2017-02-25 23:24:29
【问题描述】：

此问题适用于使用 pandas 库的 python 2.7。我下载了这个文件： http://language.media.mit.edu/data/public/wikipedia_userlang_iso639-3.zip 这是一个带有制表符和逗号的文件。我已经在整个互联网上搜索了这个。

我想用熊猫把它分开。这会产生错误：

df = pd.read_table('wikipedia_userlang_iso639-3.tsv', sep= '\t')

print df [:10]

因为文件也有逗号。

非常感谢您的帮助！

【问题讨论】：

标签： python pandas delimiter

【解决方案1】：

该文件无法解析为 CSV 文件，因为每行没有固定数量的字段（范围从 2 到 241）。您必须自己解析它并决定如何为每个用户处理可变数量的语言：

import codecs

with codecs.open('wikipedia_userlang_iso639-3.tsv', 'r', 'utf-8') as handle:
    for line in handle:
        chunks = line.strip().split('\t')

        username = chunks[0]
        languages = [c.split(',') for c in chunks[1:]]

        # Do something with the above variables

【讨论】：

谢谢！如果我想用用户名作为一列、语言作为一列以及用户名用这种语言编辑的次数来制作一个数据框，我该如何继续？