如何使用包含引号并使用多个分隔符的 pandas 读取 CSV 文件

Posted

技术标签:

【中文标题】如何使用包含引号并使用多个分隔符的 pandas 读取 CSV 文件【英文标题】:How to read CSV file with pandas containing quotes and using multiple seperators 【发布时间】:2021-08-20 01:44:00 【问题描述】:

我正在做一个项目,我在 for 循环中读取多个 CSV 文件,一些文件包含一个分号 (;) 作为分隔符,而其他文件包含一个逗号 (,)。我需要在所有 CSV 文件中保留标题,所以我不能使用固定标题。

我在处理一个 CSV 文件时遇到问题,尤其是包含某些值的引号,例如

第 1 列、第 2 列、第 3 列、第 4 列 12531,ABCDE,"12523,2",示例 52313,ADE,12302,示例

使用逗号作为分隔符不起作用,因为我最终得到 15 个值而不是 13 个导致解析错误。

在记事本中打开文件时,我看到对于包含带引号的值的行,双引号会添加到所述值,并且逗号会添加到行的开头和结尾:

第 1 列、第 2 列、第 3 列、第 4 列 "12531,ABCDE,""12523,2"",示例" 52313,ADE,12302,示例

我想像其他文件一样成功处理此文件,同时保持使用能力:

文件头 多个分隔符(, 或;)

我尝试将引号之间的 , 替换为 .但这并不能消除将引号添加到行首和行尾的问题,而且它根本不起作用,因为它原来是两个引号..

extension = 'csv'
all_filenames = [i for i in glob.glob('*.'.format(extension))]

for csv in all_filenames:
    file = open(csv, 'r')
    content = file.read()
    content = re.sub(r'(?!(([^"]*")2)*[^"]*$),', '.', content)
    combined_csv = pd.read_csv(csv, sep=";|,", engine="python")
    appended_data.append(combined_csv)

appended_data = pd.concat(appended_data)

【问题讨论】:

虽然quotechar 默认为",请尝试将quotechar='"' 参数添加到pd.read_csv 这似乎适用于开始和结束引号,但是“12523,2”的问题减少到分隔符变量无法处理的“12523,2” 好的,然后试试content = re.sub(r'(?<![^,])""|""(?![^,])', '"', content),然后combined_csv = pd.read_csv(csv, sep=";|,", engine="python", quotechar='"') 非常感谢!正是我想要的。 【参考方案1】:

我建议在逗号之前或之后替换多个 " 的块,然后将 pd.read_csvquotechar='"' 参数一起使用,以确保引用的字段最终出现在单个列中:

content = re.sub(r'(?<![^,])"2,|"2,(?![^,])', '"', content)
#...
combined_csv = pd.read_csv(csv, sep=";|,", engine="python", quotechar='"')

正则表达式详细信息

(?&lt;![^,]) - 在当前位置之前,必须有逗号或字符串开头 "2, - 两个或更多 " 字符 | - 或 "2, - 两个或更多 " 字符 (?![^,]) - 紧跟在当前位置之后,必须有逗号或字符串结尾。

【讨论】:

以上是关于如何使用包含引号并使用多个分隔符的 pandas 读取 CSV 文件的主要内容,如果未能解决你的问题,请参考以下文章

如何使用 scanf 从用户输入中获取字符串( char * ),由双引号分隔并包含空格 [关闭]

使用 Pandas 读取多个分隔方式的文件

在 Python Pandas 中使用多个字符分隔符 read_csv

pandas将dataframe中的多个字符串数据列的内容使用自定义分隔符拼接起来并生成新的数据列(combinine multiple string columns of dataframe)

pandas中分隔符由多个字符组成

如何在 Python Pandas 中使用逗号作为小数分隔符的浮点格式?