\ W +分隔符意外的read_csv结果

Question

我有一个输入文件，我想读入一个熊猫数据框。 该文件是空格分隔的，包括第一个值之前的空格。 我已经尝试使用“\ W +”正则表达式作为分隔符的read_csv和read_table。

data = pd.io.parsers.read_csv('file.txt',names=header,sep="\W+")

他们在正确的列数读，但值本身是完全伪造的。是否有其他人遇到过这种情况，或者我使用不正确

我也尝试逐行读取文件，从row.split()创建一系列并将该系列附加到数据帧，但它似乎因内存而崩溃。

是否有任何其他选项用于从文件创建数据框？

我使用熊猫v0.11.0，Python 2.7版

Answer 1

正则表达式'\W'的意思是“不是一个单词字符”（一个“单词字符”是字母，数字和下划线），看到re docs，因此怪结果。我想你的意思是使用空格'\s+'。

注意：read_csv提供了一个delim_whitespace参数（您可以设置为True），但是我个人更喜欢使用'\s+'。

Answer 2

我不知道你的数据是什么样的，所以我不能重现你的错误。我创建了一些示例数据，它运行良好，但有时在read_csv中使用正则表达式可能会很麻烦。如果要指定分隔符，请改为使用“”作为分隔符。但我建议先尝试安迪海登的建议。这是“delim_whitespace = True”。它运作良好。

你可以在这里看到它的文档：http://pandas.pydata.org/pandas-docs/dev/io.html