python pandas 读取空格分隔的数据

Question

我有一个包含 6 个空格分隔字段的文本文件，如下所示:

702377236289228800 2016-02-24 09:19:17 +03 <Aadil_Siddiqui> #HECRanking Rs71 Bil bdget alloctd 2 HEC is not in gud hands. v can imagne dat on which criteria #HEC is sending studnts abroad on Scholrshp

我想将 6 个字段读入 pandas DF，但将分隔符设置为空格会出现以下错误。

pandas.errors.ParserError:标记数据时出错。 C 错误:第 10 行预计有 31 个字段，但看到了 35

这是代码:

data = pd.read_csv("twitter_file_path.txt", sep=" ", header=None)
data.columns = ["seq", "date", "Hour", "GMT","userID","text"]

Answer 1

您可以读取一列中的所有数据，并使用 | 等文本中不存在的分隔符，然后对于新列使用 Series.str.split带有 n 参数并且没有分隔符，因为空格是默认的 sep:

data = pd.read_csv("twitter_file_path.txt", sep="|", names=['data'])
print (data)
                                                data
0  702377236289228800 2016-02-24 09:19:17 +03 <Aa...

data = data['data'].str.split(n=5, expand=True)
data.columns = ["seq", "date", "Hour", "GMT","userID","text"]
print (data)
                  seq        date      Hour  GMT            userID  \
0  702377236289228800  2016-02-24  09:19:17  +03  <Aadil_Siddiqui>   

                                                text  
0  #HECRanking Rs71 Bil bdget alloctd 2 HEC is no...