我正在尝试将 CSV 文件的片段读取到 pandas DataFrame 中,当我将 nrows 设置为超过某个点时遇到了麻烦。我的 CSV 文件被分成具有不同标题/数据类型的不同段,因此我浏览了文件并找到了不同段的行号,并保存了行号。当我尝试这样做时:
pd.io.parsers.read_csv('filename',skiprows=40, nrows=12646)
它工作正常。任何更多的行,它会抛出一个错误:
CParserError: Error tokenizing data. C error: Expected 56 fields in line 13897, saw 71
第 13897 行确实有那么多行,这就是我尝试使用 nrows 和 skiprows 的原因。我可以找到 pandas 将读取的最后一行,它看起来与其余行没有任何不同。在十六进制编辑器中查看文件,我仍然看不出有任何区别。
我也用另一个 CSV 文件尝试过,我得到了类似的结果:
pd.io.parsers.read_csv('file2',skiprows=112, nrows=18524)
<class 'pandas.core.frame.DataFrame'>
Int64Index: 18188 entries, 0 to 18187
但是:
pd.io.parsers.read_csv('file2',skiprows=112, nrows=18525)
给出:
CParserError: Error tokenizing data. C error: Expected 56 fields in line 19190, saw 71
有什么我想念的吗?还有其他方法吗?
我正在使用:pandas-0.10.1.win-amd64-py3.3
,numpy-MKL-1.7.1rc1.win-amd64-py3.3
,以及 Windows 上的 python-3.3.0.amd64
。我在 numpy-unoptimized-1.7.1rc1.win-amd64-py3.3
中遇到了同样的问题。
最佳答案
您可以使用warn_bad_lines
和error_bad_lines
关闭坏线错误和警告:
import pandas as pd
from StringIO import StringIO
data = StringIO("""a,b,c
1,2,3
4,5,6
6,7,8,9
1,2,5
3,4,5""")
pd.read_csv(data, warn_bad_lines=False, error_bad_lines=False)
关于python - 使用 pandas read_csv 和 nrows 读取 ~13000 行 CSV 文件的部分内容,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/15837767/