python pandas - 尾随分隔符混淆read_csv

Question

我正在关注 Python for Data Analysis 一书中的示例。具体来说，2012年选举数据库来自第9章。数据位于一个大的csv文件中，以逗号分隔。但是文件的每一行都有一个额外的尾随分隔符，这似乎会使pandas.read_csv混淆。

它将额外的分隔符视为有一个额外的列。因此，除了标题所需的列之外，还有一列。然后pandas.read_csv将第一列作为行标签。总体效果是列和标题不再对齐 - 第一列成为行标签，第二列由第一个标题命名，等等。

这很烦人。知道怎么告诉pandas.read_csv做对了吗？我找不到一个。

好书，BTW。

Answer 1

对于仍然发现这一点的每个人。韦斯写了blogpost这个。如果行中有一个值太多而被视为行名称的问题。

可以通过将index_col=False设置为read_csv的选项来更改此行为。

Answer 2

我创建了一个GitHub问题，以便自动处理此问题：

https://github.com/pydata/pandas/issues/2442

我认为FEC文件格式略有改变导致这个恼人的问题 - 如果您使用此处发布的http://github.com/pydata/pydata-book，您希望不会出现这个问题。

Answer 3

嗯，有一个非常简单的解决方法。在以下位置读取csv文件时，在标题中添加一个虚拟列：

cols = ...
cols.append('')
records = pandas.read_csv('filename.txt', skiprows=1, names=cols)

然后列和标题再次对齐。