Question

我正在尝试使用pandas.read_csv读取一个看起来像这样的数据文件（前4行）。

num NED IAU z N det TOF type alph.4 alph1 alph5 alph10 alph15 alph20 alph50  dSIbydnu  DWORRY UVNONE
1 ESO473-G007 J001605-234  0.06401 19.51 det  8.59 u  -0.432  -0.428  -0.413 -0.402 -0.395 -0.389 -0.369 0.017 53.53 UV
2 PKS0023-26 J0025-2602  0.32162 18.36 det  7.95 a  -0.272  -0.437  -0.726 -0.849 -0.919 -0.972 -1.135 -0.414 53.57 UV
3 NGC0315 0055+30  0.01648 18.84 det  7.41 a  -0.248  -0.306  -0.379 -0.398 -0.406 -0.411 -0.417 -0.119 53.60 UV

我输入data = pandas.read_csv('radio.dat',sep=' ', header=0)，但是当我print data时，我得到3个行标题，然后列名从它们应该开始的位置开始向下3列，我得到额外的3个NaN列：

                                           num      NED    IAU    z   N   det ...
1  ESO473-G007             J001605-234     NaN  0.06401  19.51  det NaN  8.59 ...
2  PKS0023-26              J0025-2602      NaN  0.32162  18.36  det NaN  7.95 ...
3  NGC0315                 0055+30         NaN  0.01648  18.84  det NaN  7.41 ...

num应该是列的标题，1 2 3 ...，下一列的NED，下一列的IAU，NaN甚至不应该在那里。

我试过设置index_col = 0但是这给了我这个错误：

  File "C:\Python27\lib\site-packages\pandas\io\parsers.py", line 1184, in read
    values = data.pop(self.index_col[i])
IndexError: list index out of range

设置index_col = False给出

  File "C:\Python27\lib\site-packages\pandas\io\parsers.py", line 1164, in read
    data = self._reader.read(nrows)
  File "pandas\parser.pyx", line 758, in pandas.parser.TextReader.read (pandas\parser.c:7411)
  File "pandas\parser.pyx", line 780, in pandas.parser.TextReader._read_low_memory (pandas\parser.c:7651)
  File "pandas\parser.pyx", line 855, in pandas.parser.TextReader._read_rows (pandas\parser.c:8484)
  File "pandas\parser.pyx", line 936, in pandas.parser.TextReader._convert_column_data (pandas\parser.c:9490)
  File "pandas\parser.pyx", line 1208, in pandas.parser.TextReader._get_column_name (pandas\parser.c:13172)
IndexError: list index out of range

如何正确阅读此文件？

Answer 1

csv中有不同数量的空格使用sep='\s+'来处理此

In [128]:

t="""num NED IAU z N det TOF type alph.4 alph1 alph5 alph10 alph15 alph20 alph50  dSIbydnu  DWORRY UVNONE
1 ESO473-G007 J001605-234  0.06401 19.51 det  8.59 u  -0.432  -0.428  -0.413 -0.402 -0.395 -0.389 -0.369 0.017 53.53 UV
2 PKS0023-26 J0025-2602  0.32162 18.36 det  7.95 a  -0.272  -0.437  -0.726 -0.849 -0.919 -0.972 -1.135 -0.414 53.57 UV
3 NGC0315 0055+30  0.01648 18.84 det  7.41 a  -0.248  -0.306  -0.379 -0.398 -0.406 -0.411 -0.417 -0.119 53.60 UV"""
data = pd.read_csv(io.StringIO(t),sep='\s+', header=0)
data

Out[128]:
   num          NED          IAU        z      N  det   TOF type  alph.4  \
0    1  ESO473-G007  J001605-234  0.06401  19.51  det  8.59    u  -0.432   
1    2   PKS0023-26   J0025-2602  0.32162  18.36  det  7.95    a  -0.272   
2    3      NGC0315      0055+30  0.01648  18.84  det  7.41    a  -0.248   

   alph1  alph5  alph10  alph15  alph20  alph50  dSIbydnu  DWORRY UVNONE  
0 -0.428 -0.413  -0.402  -0.395  -0.389  -0.369     0.017   53.53     UV  
1 -0.437 -0.726  -0.849  -0.919  -0.972  -1.135    -0.414   53.57     UV  
2 -0.306 -0.379  -0.398  -0.406  -0.411  -0.417    -0.119   53.60     UV

所以这里：

alph50 dSIbydnu DWORRY

这些列之间以及数据之间也有双倍空格

Pandas read_csv列不正确

1 个答案: