读取具有固定宽度列的 txt 文件

Question

我正在尝试从以下网站打开 dat.txt 文件： http ://jse.amstat.org/datasets/04cars.dat.txt

而且我不确定使用哪个分隔符将它读入 python，因为它用空格分隔。

我尝试了pd.read_csv('http://jse.amstat.org/datasets/04cars.dat.txt', delimiter = 'sp')以及其他一些东西，但似乎没有任何效果，以及：

np.genfromtxt("http://jse.amstat.org/datasets/04cars.dat.txt", delimiter= 'sp')

请注意，零和一分别代表一个单独的列。

Answer 1

使用read_fwf而不是read_csv 。

[ read_fwf读取] 固定宽度格式化行的表格到 DataFrame 中。
https://pandas.pydata.org/docs/reference/api/pandas.read_fwf.html

import pandas as pd

colspecs = (
    (0, 44),
    (46, 47),
    (48, 49),
    (50, 51),
    (52, 53),
    (54, 55),
    (56, 57),
    (58, 59),
    (60, 66),
    (67, 73),
    (74, 77),
    (78, 80),
    (81, 84),
    (85, 87),
    (88, 90),
    (91, 95),
    (96, 99),
    (100, 103),
    (104, 106),
)

data_url = "http://jse.amstat.org/datasets/04cars.dat.txt"

df = pd.read_fwf(data_url, colspecs=colspecs)

df.columns = (
    "Vehicle Name",
    "Is Sports Car",
    "Is SUV",
    "Is Wagon",
    "Is Minivan",
    "Is Pickup",
    "Is All-Wheel Drive",
    "Is Rear-Wheel Drive",
    "Suggested Retail Price",
    "Dealer Cost",
    "Engine Size (litres)",
    "Number of Cylinders",
    "Horsepower",
    "City Miles Per Gallon",
    "Highway Miles Per Gallon",
    "Weight (pounds)",
    "Wheel Base (inches)",
    "Lenght (inches)",
    "Width (inches)",
)

print(df)的输出将是：

                        Vehicle Name  ...  Width (inches)
0        Chevrolet Aveo LS 4dr hatch  ...              66
1             Chevrolet Cavalier 2dr  ...              69
2             Chevrolet Cavalier 4dr  ...              68
3          Chevrolet Cavalier LS 2dr  ...              69
4                  Dodge Neon SE 4dr  ...              67
..                               ...  ...             ...
422         Nissan Titan King Cab XE  ...               *
423                      Subaru Baja  ...               *
424                    Toyota Tacoma  ...               *
425     Toyota Tundra Regular Cab V6  ...               *
426  Toyota Tundra Access Cab V6 SR5  ...               *

[427 rows x 19 columns]

从此处检索的列名称和规范：

• http://jse.amstat.org/datasets/04cars.txt

---

注意：不要忘记指定每列的开始和结束位置。 在不使用colspecs ， pandas会根据导致数据错误的第一行做出假设。 下面是生成的csv文件（带规格和不带规格）之间统一差异的摘录：