df = pd.read_table("/media/jaideep/4F95-2DF2/test.txt", header = 11, delimiter = "|",encoding = "latin1", low_memory = False, comment = "#")
生成维度的数据框：[1100563行x 56列]
而，
df = pd.read_fwf("/media/jaideep/4F95-2DF2/test.txt", header = 11, delimiter = "|",encoding = "latin1",comment = "#")
生成尺寸为[1100654行×10列]
的DataFrame使用pd.read_table（）需要考虑100行的差异，因为输入文件不是固定宽度的文件
- 请指出正确的方向，以及为什么pd.read_table（）跳过了100行。谢谢!!
答案 0 :(得分：0)
请注意，read_fwf()也会删除46列，这当然也很重要。只是眼球说行1..4，看看你是否能发现差异。
无论如何，发现差异的显而易见的方法是（视觉上）二元搜索：直观地比较df1[1:n]和df2[1:n]（或df1[n]到df2[n]）直到你看看它插入/删除行的位置。从n开始，比如n = 5，然后逐渐增加，直到找到不匹配的行。
答案 1 :(得分：0)
df = pd.read_table("/home/jaideep/data1.txt",header = 11, delimiter ="\ |", low_memory = False)
设置分隔符=“\ |”而不是delimiter =“|”为我工作。
pandas.read_table（）文档声明：
要使用的分隔符。如果sep为None，则会尝试自动确定。超过1个字符且不同于's +'的分隔符将被解释为正则表达式，将强制使用python解析引擎并忽略数据中的引号。正则表达式示例：'rt'
所以也许是元字符反斜杠，。与Python字符串文字一样，反斜杠后面可以跟各种字符，以指示各种特殊序列。它也用于转义所有元字符，因此您仍然可以在模式中匹配它们;例如，如果你需要匹配[或\，你可以在它们前面加上反斜杠来删除它们的特殊含义：[或\。
答案 2 :(得分：0)
read_table已过时，请改用read_csv。
这是official。
供参考：
read_csv将逗号分隔值（csv）文件读取到DataFrame中。
read_fwf将固定宽度格式的行表读入DataFrame。