Question

我在文档中找不到这样的选项。测量设备在Excel中吐出所有内容：

    <>    A    B    C
 1
 2
 3

当我删除＆＃34;＆lt;＆gt;＆＃34;手动字符一切正常。有没有办法规避（不转换为csv）？

我做：

import pandas as pd 
df = pd.read_excel(filename,sheetname,skiprows=0,header=0,index_col=0)

由于pandas使用第一行作为名称，因此

skiprow = 1无法解决问题。如果我提供names = list(range(1, 4))，则第一个数据行将丢失。

Answer 1

另一种选择是：

f = open(fname, 'r')
line1 = f.readline()
data1 = pd.read_csv(f, sep='\s+', names=line1.replace(' #', '').split(), dtype=np.float)

您可能有不同的分隔符。

Answer 2

扩展 Peruz's 答案：-

对于你的情况，使用正则表达式

df = pd.read_csv(filename, sep="(?<!<>)\s+", engine='python')

这应该在列中正确读取，除了第一列将命名为 <> A

要更改此设置，只需更改第一列名称

df.columns = pd.Series(df.columns.str.replace("<>\s", ""))

在正则表达式中，\s+ 匹配任意数量的空格字符，除非前面有 (?<!charceters_to_ignore) 表示的否定环顾中提到的任何内容

Answer 3

我有同样的问题。我的第一行是：

# id ra dec ...

其中#是Python中的注释字符。 import_csv认为#是列标题，但事实并非如此。我使用的解决方法是手动定义标头：

headerlist = ['id', 'ra', 'dec', ...]  
df = pd.read_csv('data.txt', index_col=False, header=0, names=headerlist)

请注意index_col对于此问题是可选的。

如果有任何选项可以忽略标题行中的某个字符，我还没有找到它。希望这个解决方案能够得到改进。

Answer 4

我有同样的问题。我的第一行是

# id x y ...

因此pandas标头关键字不起作用。我通过阅读两次来做到以下几点：

cos_phot_header = pd.read_csv(table, delim_whitespace=True, header=None, engine='python', nrows=1)
cos_plot_text_header = cos_phot_header.drop(0, axis=1).values.tolist()
cos_phot_data = pd.read_csv(table, skip_blank_lines=True, comment='#', 
               delim_whitespace=True, header=None, engine='python', names=cos_plot_text_header[0])

我不明白为什么大熊猫没有这种选择，这是每个人都遇到的非常普遍的问题。您也可以不使用任何行（nrows = 0）读取表并使用.columns，但老实说，我认为这是解决该问题的同样丑陋的方法。

Answer 5

熊猫read_csv()支持regex。如果在空格前加上一些东西（在您的情况下为＃），则可以避免匹配空格。例如，避免使用“！”：

sep='(?<!\\!)\s+'

如果需要，可以重命名该列以删除初始字符和空格。

欢呼

使用pandas导入时忽略字符

5 个答案: