Question

我在.dfx文件中有一些数据，我试图将它作为带有pandas的csv读取。但它有一些特殊的字符，不能被熊猫读取。它们也是分隔符。I attached one line from it

打印文件时删除“DC4”。正确地将SI读作空格。我尝试了一些编码（utf-8，latin1等），但没有成功。 I attached the printed first line as well. I marked the place where the characters should be.

我的代码很简单：

import pandas

file_log = pandas.read_csv("file_log.DFX", header=None)

print(file_log)

我希望我很清楚，有人有个主意。提前谢谢！

修改

输入。链接：drive.google.com/open？id = 0BxMDhep-LHOIVGcybmsya2JVM28

预期产出：

88.4373 0 12.07.2014/17:05:22 38.0366  38.5179 1.3448 31.9839
30.0070 0 12.07.2014/17:14:27 38.0084  38.5091 0.0056 0.0033

Answer 1

通过检查hex（带xxd）的example.DFX，两个分隔符相应地为0x14和0x0f。

使用python引擎读取带有多个分隔符的csv：

import pandas

sep1 = chr(0x14) # the one shows dc4
sep2 = chr(0x0f) # the one shows si
file_log = pandas.read_csv('example.DFX', header=None, sep='{}|{}'.format(sep1, sep2), engine='python')

print file_log

你得到：

         0  1                    2        3        4       5        6   7
0  88.4373  0  12.07.2014/17:05:22  38.0366  38.5179  1.3448  31.9839 NaN
1  30.0070  0  12.07.2014/17:14:27  38.0084  38.5091  0.0056   0.0033 NaN

最后它似乎有一个空列。但我相信你能解决这个问题。

Answer 2

这里的编码似乎是ASCII。 DC4代表＆＃34;设备控制4＆＃34;和＃34;转入＆＃34;。这些是ASCII文件中的控制字符，不可打印。因此，当您发出＆＃34; print（file_log）＆＃34;时，您无法看到它们，虽然它可能会根据您的终端进行查看（例如\ n会做换行）。

尝试在解释器中键入file_log以获取该变量的表示形式，并检查是否包含这些特殊字符。您可能会在表示中看到DC4为＆＃39; \ x14＆＃39;这意味着十六进制14。然后，您可以使用字符串操作（如替换）在程序中进一步处理这些字符串。

数据阅读 - csv

2 个答案: