pandas中分隔符由多个字符组成

Posted JasonLiu1919

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了pandas中分隔符由多个字符组成相关的知识,希望对你有一定的参考价值。

背景

在使用pandas过程由于文本中存在形如,| 等常规字符,所以需要自定义分隔符,特别是自定义由多个字符组成的分隔符。那么此时在使用 pandas.read_csv()的时候要如何设置?

解决

比如当生成文件的时候使用#|#作为分隔符,直接使用df = pd.read_csv(raw_file, sep='#|#', quoting=3)会报错:

    df = pd.read_csv(raw_file, sep='#|#', quoting=3)
  File "/data/miniconda3/envs/python36/lib/python3.6/site-packages/pandas/io/parsers.py", line 688, in read_csv
    return _read(filepath_or_buffer, kwds)
  File "/data/miniconda3/envs/python36/lib/python3.6/site-packages/pandas/io/parsers.py", line 460, in _read
    data = parser.read(nrows)
  File "/data/miniconda3/envs/python36/lib/python3.6/site-packages/pandas/io/parsers.py", line 1198, in read
    ret = self._engine.read(nrows)
  File "/data/miniconda3/envs/python36/lib/python3.6/site-packages/pandas/io/parsers.py", line 2585, in read
    alldata = self._rows_to_cols(content)
  File "/data/miniconda3/envs/python36/lib/python3.6/site-packages/pandas/io/parsers.py", line 3237, in _rows_to_cols
    self._alert_malformed(msg, row_num + 1)
  File "/data/miniconda3/envs/python36/lib/python3.6/site-packages/pandas/io/parsers.py", line 2998, in _alert_malformed
    raise ParserError(msg)

需要将其改为:

df = pd.read_csv(raw_file, sep='\\#\\|\\#', quoting=3)

官方文档是这么说明的:

 In addition, separators longer than 1 character and different from '\\s+' will be interpreted as regular expressions and will also force the use of the Python parsing engine. Note that regex delimiters are prone to ignoring quoted data. Regex example: '\\r\\t'.

以上是关于pandas中分隔符由多个字符组成的主要内容,如果未能解决你的问题,请参考以下文章

2021-12-24:划分字母区间。 字符串 S 由小写字母组成。我们要把这个字符串划分为尽可能多的片段,同一字母最多出现在一个片段中。返回一个表示每个字符串片段的长度的列表。 力扣763。某大厂面试

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)

使用 Pandas 读取多个分隔方式的文件

URL 片段中的多个参数

JSONObject和JSONArray的区别是啥

Go语言基础