numpy genfromtxt / pandas read_csv;忽略引号内的逗号

时间:2014-06-06 10:09:16

标签: python file-io numpy pandas genfromtxt

考虑一个文件a.dat,内容为:

address 1, address 2, address 3, num1, num2, num3
address 1, address 2, address 3, 1.0, 2.0, 3
address 1, address 2, "address 3, address4", 1.0, 2.0, 3

我正在尝试使用numpy.genfromtxt导入。但是,该函数在第3行中看到了一个额外的列。我在pandas.read_csv中遇到了类似的错误:

np.genfromtxt('a.dat',delimiter=',',dtype=None,skiprows=1)

ValueError: Some errors were detected !
    Line #3 (got 7 columns instead of 6)

pandas read_csv sort of works - but it gives me an unaligned data structure:

pd.read_csv('a.dat')

pandas.parser.CParserError: Error tokenizing data. C error: Expected 6 fields in line 3, saw 7

我正在尝试找到一个输入参数来补偿这一点。我不介意我最终得到一个numpy ndarray或pandas数据帧。

我可以在genfromtxt和/或read_csv中设置一个参数,让我忽略语音标记中的逗号吗?

我注意到read_csv包含一个quotechar='"'参数,由此定义:

  

quotechar :string(长度1)用于表示开头的字符   和引用项目的结尾。引用的项目可以包括分隔符和   它将被忽略。

这对我来说就像read_csv默认情况下应该适用于我的情况 - 但事实并非如此。

我可以看到我可以预先处理文件以删除逗号 - 如果可能的话我想避免使用它,但如果这是唯一的方法,欢迎提出建议。

2 个答案:

答案 0 :(得分:13)

刚设法找到this

我缺少的关键参数是skipinitialspace=True - 这个"处理逗号分隔符后面的空格"

a=pd.read_csv('a.dat',quotechar='"',skipinitialspace=True)

   address 1  address 2            address 3  num1  num2  num3
0  address 1  address 2            address 3     1     2     3
1  address 1  address 2  address 3, address4     1     2     3

这适用: - )

答案 1 :(得分:2)

Python的内置csv模块可以处理这类数据。

with open("a.dat") as f:
    reader = csv.reader(f, skipinitialspace=True)
    header = next(reader)
    dtype = numpy.dtype(zip(header, ['S20', 'S20', 'S20', 'f8', 'f8', 'f8']))
    data = numpy.fromiter(itertools.imap(tuple, reader), dtype=dtype)