读入.txt文件，转换为pandas dataframe，但空格分隔值因空格数而异

Question

这个脚本读入一个txt文件并创建一个df，但是'sep'参数我想处理可能被1个或更多空格分隔的值，所以当我运行上面的脚本时，我得到了很多带有NaN的列。

代码：

df = pd.read_csv(data_file,header = None, sep=' ')

示例 txt 文件

blah blahh    bl
blah3 blahhe      ble

我希望只有 3 列所以我得到

Col_a  col_b   col_c
blah   blahh    bl
blah3  blahhe   ble

Answer 1

您可以使用正则表达式作为分隔符：

pd.read_csv(data_file, header=None, delimiter=r"\s+", names='Col_a Col_b Col_c'.split(' '))

或者您可以使用delim_whitespace=True参数，它比正则表达式更快：

pd.read_csv(data_file, header=None, delim_whitespace=True, names='Col_a Col_b Col_c'.split(' '))

参考： 如何在 pandas 中读取具有空格分隔值的文件