überwinden unregelmäßige Separatoren in Pandas read_csv

Wenn Daten aus Dateien mit unregelmäßigen Separatoren gelesen werden, können die Methoden von Pandas Read_csv auf Schwierigkeiten auftreten. Im Gegensatz zur Python Split () -Methode, die nahtlos die variierenden Whitespace behandelt, kann Read_CSV Schwierigkeiten haben, die durch inkonsistenten Räume und Registerkarten getrennten Daten zu entschlüsseln. Ein Ansatz beinhaltet die Verwendung regulärer Ausdrücke (REGEX). Mit dem Parameter des Grenzwerters in read_csv können Sie ein Regex -Muster angeben, das die gewünschten Separatoren erfasst. Auf diese Weise können Sie Kombinationen von Leerzeichen und Registerkarten berücksichtigen und eine genaue Analyse sicherstellen.

Alternativ können Sie den Parameter delim_whITespace, der ähnlich wie bei der Python Split () -Methode arbeitet, nutzen. Durch das Einstellen von delim_whITespace auf true behandelt Pandas alle Whitespace (einschließlich Leerzeichen und Registerkarten) als Trennzeichen. Dies beseitigt die Notwendigkeit, ein bestimmtes Regex -Muster anzugeben.

Betrachten Sie das folgende Beispiel:

pandas als pd importieren Data = pd.read_csv ("irregular_separators.csv", Header = Keine, Delimiter = R "\ s")) Druck (Daten) # Ausgabe: # 0 1 2 3 4 # 0 a b c 1 2 # 1 d e f 3 4

import pandas as pd

data = pd.read_csv("irregular_separators.csv", header=None, delimiter=r"\s ")

print(data)

# Output:
#   0  1  2  3  4
# 0  a  b  c  1  2
# 1  d  e  f  3  4

Alternativ unter Verwendung von delim_whITespace:

data = pd.read_csv ("irregular_separators.csv", Header = None, delim_whitz = echt), delim_whitz = echt, delim_whitz = echt), delim_whitz = echt, delim_whitz = echt), delim_whitz = echt), delim_whitz = echt), delim_whitz = echt), delim_whitz = echt), delim_whitz = echt), delim_whitz = true = echte), delim_whitz = true = echt), delim_whitz = echt), delim_whitz = true = echt) Druck (Daten) # Ausgabe (wie oben): # 0 1 2 3 4 # 0 a b c 1 2 # 1 d e f 3 4

data = pd.read_csv("irregular_separators.csv", header=None, delim_whitespace=True)

print(data)

# Output (same as above):
#   0  1  2  3  4
# 0  a  b  c  1  2
# 1  d  e  f  3  4