熊猫没有适当的分隔符即可读取.csv文件。 （仅第一列与“其余”分开）

Question

我尝试将.csv文件导入到python pandas中，如下所示：

dataframe = pd.read_csv(inputfile, sep=delimiter, header=None)

然而，（巨大）的每一行inputfile包含的整数，其次是一些字符串。 像这样：

1234 this string % might; contain 눈 anything

结果应该是两列dataframe ，其位置1表示Integer ，位置2的其余部分。

由于字符串中可以出现任何字符，因此我无法使用单个字符作为分隔符。 尝试使用不太可能的长字符串序列（例如“ khlKiwVlZdsb9oVKq5yG”）作为分隔符，可能会让人感到肮脏，但其次可能不是100％可靠，其次会导致以下“错误/不便”：

ParserWarning：回退到“ python”引擎，因为“ c”引擎不支持正则表达式分隔符（分隔符> 1个字符且与“ \\ s +”不同的分隔符被解释为正则表达式）； 您可以通过指定engine ='python'来避免此警告。

所以我的问题是：有没有更好的方法来解决我的问题？ 也许有一些选择让大熊猫在遇到第一个定界符后忽略其他定界符？

感谢您的任何建议！

Answer 1

基本上，您的.csv不是csv ;-)

我建议您手动打开并读取该文件，使用第一个空格分割每一行，然后根据需要将结果转换为DataFrame。

fp = ...  # your file pointer
data = [line.split(' ', maxsplit=1) for line in fp]

如果文件中有很多数据，请考虑使用生成器表达式。

在这两种情况下，您都可以将data转换为DataFrame ：

pandas.DataFrame.from_records(data, columns=['Integer', 'String'])

（..或直接使用DataFrame构造函数）