我以前用numpy.loadtxt()
读取数据。但是,最近我在SO中发现pandas.read_csv()
更快。
要阅读这些数据,请使用:
pd.read_csv(filename, sep=' ',header=None)
我现在遇到的问题是,在我的情况下,分隔符可以与一个空格不同, x 空格甚至是一个标签。
这里我的数据如何:
56.00 101.85 52.40 101.85 56.000000 101.850000 1
56.00 100.74 50.60 100.74 56.000000 100.740000 2
56.00 100.74 52.10 100.74 56.000000 100.740000 3
56.00 102.96 52.40 102.96 56.000000 102.960000 4
56.00 100.74 55.40 100.74 56.000000 100.740000 5
这会产生如下结果:
0 1 2 3 4 5 6 7 8
0 56 NaN NaN 101.85 52.4 101.85 56 101.85 1
1 56 100.74 50.6 100.74 56.0 100.74 2 NaN NaN
2 56 100.74 52.1 100.74 56.0 100.74 3 NaN NaN
3 56 102.96 52.4 102.96 56.0 102.96 4 NaN NaN
4 56 100.74 55.4 100.74 56.0 100.74 5 NaN NaN
我必须指定我的数据> 100 MB。所以我不能预处理数据或先清理它们。 任何想法如何解决这个问题?
答案 0 :(得分:20)
你原来的一行:
pd.read_csv(filename, sep=' ',header=None)
将分隔符指定为单个空格,因为您的csvs可以有空格或制表符,您可以将正则表达式传递给sep
参数,如下所示:
pd.read_csv(filename, sep='\s+',header=None)
这将分隔符定义为单个空格或更多空格,有一个方便的备忘单列出regular expressions.