Pandas 读取文件没有分隔符和不同的列宽

Question

我想使用 pandas 读取纯文本文件。 我有没有分隔符和不同宽度的条目，如下所示：

59967Y98Doe John            6211100004545SO20140314-  00024278
N0546664SCHMIDT-PETER       7441100008300AW20140314-  00023643
G4894jmhTAKLONSKY-JUERGEN   4211100005000TB20140315   00023882
34875738PODESBERG-SCHUMPERTS6211100003671SO20140315   00024622

• 1-8 是一个字符串。
• 9-28 是一个字符串。
• 29-31 是数字。
• 32-34 是数字。
• 35-41 是数字。
• 42-43 是一个字符串。
• 44-51 是一个日期 (yyyyMMdd)。
• 52 是减号或空白
• Rest 是不带小数点的货币金额（最后2位始终在小数点后）。 例如：- 00024278 = -242.78 €

我知道有pd.read_fwf

有一个参数width 。 我可以这样做：

pd.read_fwf(StringIO(txt), widths=[8], header="Peronal Nr.")

但是我怎样才能读取具有不同列宽的文件呢？

Answer 1

正如widths中的s所暗示的，您可以传递宽度列表：

pd.read_fwf(io.StringIO(txt), widths=[8,20,3,3,7,2,8,1,99], header=None)

output：

          0                     1    2    3     4   5         6    7      8
0  59967Y98              Doe John  621  110  4545  SO  20140314    -  24278
1  N0546664         SCHMIDT-PETER  744  110  8300  AW  20140314    -  23643
2  G4894jmh     TAKLONSKY-JUERGEN  421  110  5000  TB  20140315  NaN  23882
3  34875738  PODESBERG-SCHUMPERTS  621  110  3671  SO  20140315  NaN  24622

如果您想要名称和数据类型：

df = (pd.read_fwf(io.StringIO(txt), widths=[8,20,3,3,7,2,8,1,99], header=None,
                  names=['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I'],
                  dtypes=[str, str, int, int, int, str, str, str, int])
        .assign(**{'G': lambda d: pd.to_datetime(d['G'], format='%Y%m%d')})
     )

output：

          A                     B    C    D     E   F          G    H      I
0  59967Y98              Doe John  621  110  4545  SO 2014-03-14    -  24278
1  N0546664         SCHMIDT-PETER  744  110  8300  AW 2014-03-14    -  23643
2  G4894jmh     TAKLONSKY-JUERGEN  421  110  5000  TB 2014-03-15  NaN  23882
3  34875738  PODESBERG-SCHUMPERTS  621  110  3671  SO 2014-03-15  NaN  24622

df.dtypes
A            object
B            object
C             int64
D             int64
E             int64
F            object
G    datetime64[ns]
H            object
I             int64
dtype: object