Pandas read_csv 帶有不正確的 header 分隔符

Question

我有一個 csv 文件，比如 test.csv，看起來像這樣

Data 1 | Data 2 | Data 3 |
1      | 2      | 3      |      |      |    6

如果我在記事本++ 或文本中打開 csv，它會顯示如下

Data 1, Data 2, Data 3
1,2,3,,,6

instead of

Data 1, Data 2, Data 3, ,,
1,2,3,,,6

使用 pandas.read_csv 時出現錯誤，因為我的行的列數多於 header 行中聲明的列數。 有沒有辦法找到整個CSV的最大列數？

Answer 1

我的提議是：

• 跳過標題行，
• 指定您自己的列名列表。

所以代碼應該是：

df = pd.read_csv(io.StringIO(txt), skiprows=1,
    names=['Data 1', 'Data 2', 'Data 3', 'Data 4', 'Data 5', 'Data 6'])

要考慮的一個細節是應該如何表示空單元格。

read_csv的默認行為是將它們視為NaN ，但缺點是這些列被強制為float 。

另一種可能性是傳遞na_filter=False參數，然后：

• 這樣的空字符串“按原樣”表示（作為空字符串），
• 但是這次具有這些值的列被強制轉換為object ，因為字符串單元格與int混合在一起。

另請注意，您的標題行的格式在更多細節上已損壞。 問題的根源是逗號后的空格：它們成為下一列名稱的初始部分。

因此，即使您只有 3 列數據，列名也將是：

['Data 1', ' Data 2', ' Data 3']

（注意前導空格）。 所以這是跳過標題行的另一個原因。