Question

在熊猫中，当我们使用函数pandas.read_csv读取csv文件时，可以设置关键字error_bad_lines = False，该关键字允许我们跳过包含太多字段的行并保证返回了DataFrame对象。请参阅文档here。

在Julia中，我正在使用CSV.read读取一些数据，但是没有返回任何对象。在documentation之后，我使用CSV.validate来查看问题所在，然后得到CSV.TooManyColumnsError。所以我想知道茱莉亚中是否有一个与大熊猫相似的关键字？更一般而言，克服此错误并获得DataFrame返回的方法是什么？

Answer 1

实际上，默认情况下CSV.jl的行为方式是读入数据并删除多余的列。这是一个示例：

julia> using CSV, DataFrames

julia> println(read("x.txt", String))
a,b,c
1,2,3
4,5,6,7,8
1,2
1,2,3


julia> df = CSV.read("x.txt")
4×3 DataFrame
│ Row │ a      │ b      │ c       │
│     │ Int64⍰ │ Int64⍰ │ Int64⍰  │
├─────┼────────┼────────┼─────────┤
│ 1   │ 1      │ 2      │ 3       │
│ 2   │ 4      │ 5      │ 6       │
│ 3   │ 1      │ 2      │ missing │
│ 4   │ 1      │ 2      │ 3       │

简而言之：超长行不会被跳过，而是会被截断。超短线（如您在示例中看到的）用missing填充。但是在所有情况下，您都应该返回DataFrame对象。

当然CSV.validate应该在第一个无效行上出错：

julia> CSV.validate("x.txt")
ERROR: CSV.TooManyColumnsError("row=2, col=3: expected 3 columns then a newline or EOF; parsed row: '4, 5, 6'")

在Julia中阅读csv； CSV.TooManyColumnsError

1 个答案: