使用\ W +分隔符导致意外的read_csv结果

Question

我有一个输入文件，我试图读入一个pandas数据帧。 该文件以空格分隔，包括第一个值之前的空格。 我已经尝试了read_csv和read_table，并使用“\ W +”正则表达式作为分隔符。

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

他们读取正确的列数，但值本身完全是假的。有没有其他人经历过这个，或者我使用不正确

我还尝试逐行读取文件，从row.split()创建一个系列并将该系列追加到数据帧，但它似乎因内存而崩溃。

是否还有其他选项可以从文件创建数据框？

我正在使用Pandas v0.11.0，Python 2.7

Answer 1

正则表达式'\W'表示“不是单词字符”（“单词字符”是字母，数字和下划线），请参阅re docs，因此结果很奇怪。我认为你打算使用空格'\s+'。

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

Answer 2

我不知道你的数据是什么样的，所以我无法重现你的错误。我创建了一些示例数据并且工作正常，但有时在read_csv中使用正则表达式可能很麻烦。如果要指定分隔符，请改用“”作为分隔符。但我建议先尝试安迪海登的建议。它是“delim_whitespace = True”。效果很好。

您可以在此处的文档中看到它：http://pandas.pydata.org/pandas-docs/dev/io.html