Hướng dẫn python read tab delimited file pandas - pandas tệp phân cách giữa tệp python đọc tab

Tôi đã đọc một tệp dữ liệu được phân phối theo tab trong Windows với gấu trúc/python mà không có bất kỳ vấn đề nào. Tệp dữ liệu chứa ghi chú trong ba dòng đầu tiên và sau đó theo tiêu đề.

df = pd.read_csv(myfile,sep='\t',skiprows=(0,1,2),header=(0))

Bây giờ tôi đang cố đọc tệp này với máy Mac của mình. (Lần đầu tiên tôi sử dụng Python trên Mac.) Tôi gặp lỗi sau.

pandas.parser.CParserError: Error tokenizing data. C error: Expected 1
fields in line 8, saw 39

Nếu đặt đối số ERROR_BAD_LINES cho read_csv thành sai, tôi sẽ nhận được thông tin sau, tiếp tục cho đến khi kết thúc hàng cuối cùng.

Skipping line 8: expected 1 fields, saw 39
Skipping line 9: expected 1 fields, saw 125
Skipping line 10: expected 1 fields, saw 125
Skipping line 11: expected 1 fields, saw 125
Skipping line 12: expected 1 fields, saw 125
Skipping line 13: expected 1 fields, saw 125
Skipping line 14: expected 1 fields, saw 125
Skipping line 15: expected 1 fields, saw 125
Skipping line 16: expected 1 fields, saw 125
Skipping line 17: expected 1 fields, saw 125
...

Tôi có cần chỉ định một giá trị cho đối số mã hóa không? Có vẻ như tôi không nên làm vì đọc tệp hoạt động tốt trên Windows.

FilePath_or_buffer: Chuỗi hoặc Tệp xử lý / Stringio : string or file handle / StringIO

Chuỗi có thể là một url. Các sơ đồ URL hợp lệ bao gồm HTTP, FTP, S3 và Tệp. Đối với URL tệp, một máy chủ được dự kiến. Chẳng hạn, một tệp cục bộ có thể là tệp: //localhost/path/to/table.csv

Tháng 9: Chuỗi, mặc định t (Tab-Stop) : string, default t (tab-stop)

Phân định để sử dụng. Biểu thức thường xuyên được chấp nhận.

Động cơ: {‘C,‘ Python,} : {‘c’, ‘python’}

Động cơ phân tích cú pháp để sử dụng. Động cơ C nhanh hơn trong khi động cơ Python hiện đang hoàn thành tính năng hơn.

lineterminator: chuỗi (chiều dài 1), không có mặc định : string (length 1), default None

Ký tự để phá vỡ tệp thành các dòng. Chỉ hợp lệ với trình phân tích cú pháp C

Quotechar: Chuỗi (chiều dài 1) : string (length 1)

Nhân vật được sử dụng để biểu thị sự khởi đầu và kết thúc của một mục được trích dẫn. Các mục được trích dẫn có thể bao gồm dấu phân cách và nó sẽ bị bỏ qua.

Trích dẫn: int hoặc csv.quote_* phiên bản, mặc định không có : int or csv.QUOTE_* instance, default None

Trường kiểm soát trích dẫn hành vi trên mỗi csv.quote_* hằng số. Sử dụng một trong quote_minimal (0), quote_all (1), quote_nonnumeric (2) hoặc quote_none (3). Mặc định (không có) kết quả trong hành vi QUOTE_MINIMAL.csv.QUOTE_* constants. Use one of QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) or QUOTE_NONE (3). Default (None) results in QUOTE_MINIMAL behavior.

Skipinitialspace: Boolean, mặc định sai : boolean, default False

Bỏ qua không gian sau khi phân định

Escapechar: String (Chiều dài 1), Không có mặc định : string (length 1), default None

Chuỗi một ký tự được sử dụng để thoát dấu phân cách khi trích dẫn là trích dẫn_none.

DTYPE: loại tên hoặc dict của cột -> Loại, mặc định không có : Type name or dict of column -> type, default None

Kiểu dữ liệu cho dữ liệu hoặc cột. Ví dụ. {’A,: np.float64,‘ b,

nén: {‘gzip,‘ bz2, ‘suy luận, không}, mặc định‘ suy luận : {‘gzip’, ‘bz2’, ‘infer’, None}, default ‘infer’

Cho việc giải nén dữ liệu trên đĩa. Nếu ‘suy luận, thì hãy sử dụng GZIP hoặc BZ2 nếu FilePath_or_buffer lần lượt là một chuỗi kết thúc trong‘ .gz, hoặc ‘.bz2, tương ứng, và không có sự giải nén nào khác. Đặt thành không có gì không cần giải nén.

Phương ngữ: Chuỗi hoặc CSV.Dialect, mặc định không có : string or csv.Dialect instance, default None

Nếu không có mặc định nào để vượt trội. Bị bỏ qua nếu tháng 9 dài hơn 1 char xem tài liệu CSV.Dialect để biết thêm chi tiết

Tiêu đề: int, danh sách các int, mặc định ‘suy ra : int, list of ints, default ‘infer’

(Các) số hàng để sử dụng làm tên cột và bắt đầu dữ liệu. Mặc định là 0 nếu không có tên được truyền, nếu không thì không có. Vượt qua rõ ràng tiêu đề = 0 để có thể thay thế các tên hiện có. Tiêu đề có thể là một danh sách các số nguyên chỉ định các vị trí hàng cho một số chỉ số trên các cột, ví dụ: [0,1,3]. Các hàng can thiệp không được chỉ định sẽ bị bỏ qua (ví dụ: 2 trong ví dụ này được bỏ qua). Lưu ý rằng tham số này bỏ qua các dòng được nhận xét và các dòng trống nếu Skip_Blank_lines = true, do đó, tiêu đề = 0 biểu thị dòng dữ liệu đầu tiên thay vì dòng đầu tiên của tệp.names passed, otherwise None. Explicitly pass header=0 to be able to replace existing names. The header can be a list of integers that specify row locations for a multi-index on the columns E.g. [0,1,3]. Intervening rows that are not specified will be skipped (e.g. 2 in this example are skipped). Note that this parameter ignores commented lines and empty lines if skip_blank_lines=True, so header=0 denotes the first line of data rather than the first line of the file.

Bỏ qua: Danh sách giống như hoặc số nguyên, không có mặc định : list-like or integer, default None

Số dòng để bỏ qua (0 chỉ số) hoặc số dòng để bỏ qua (int) khi bắt đầu tệp

index_col: int hoặc chuỗi hoặc sai, không có mặc định : int or sequence or False, default None

Cột để sử dụng làm nhãn hàng của DataFrame. Nếu một chuỗi được đưa ra, một đa dạng được sử dụng. Nếu bạn có một tệp bị dị dạng với các dấu phân cách ở cuối mỗi dòng, bạn có thể xem xét index_col = false để buộc gấu trúc đến _not_ Sử dụng cột đầu tiên làm chỉ mục (tên hàng)

Tên: giống như mảng, mặc định không có : array-like, default None

Danh sách các tên cột để sử dụng. Nếu tệp không chứa hàng tiêu đề, thì bạn nên vượt qua tiêu đề một cách rõ ràng

tiền tố: chuỗi, mặc định không có : string, default None

Tiền tố để thêm vào số cột khi không có tiêu đề, ví dụ: x, cho x0, x1, ...

NA_VALUES: STR, Danh sách giống như hoặc Dict, Mặc định Không có : str, list-like or dict, default None

Các chuỗi bổ sung để nhận ra là NA/NAN. Nếu Dict được thông qua, các giá trị NA mỗi cột cụ thể

true_values: list, mặc định không có : list, default None

Giá trị để coi là đúng

false_values: Danh sách, mặc định không có : list, default None

Giá trị để coi là sai

keep_default_na: bool, mặc định đúng : bool, default True

Nếu Na_Values ​​được chỉ định và giữ

parse_dates: boolean, danh sách ints hoặc tên, danh sách danh sách hoặc dict, mặc định sai : boolean, list of ints or names, list of lists, or dict, default False

Nếu đúng -> thử phân tích cú pháp chỉ mục. Nếu [1, 2, 3] -> thử phân tích các cột 1, 2, 3 mỗi cột là một cột ngày riêng biệt. Nếu [[1, 3]] -> Kết hợp các cột 1 và 3 và phân tích cú pháp là một cột ngày duy nhất. {‘Foo, [1, 3]}-> Parse Cột 1, 3 là ngày và kết quả cuộc gọi‘ FOO, một đường dẫn nhanh tồn tại trong các ngày được định dạng ISO8601.

keep_date_col: boolean, mặc định sai : boolean, default False

Nếu true và parse_dates chỉ định kết hợp nhiều cột thì hãy giữ các cột gốc.

date_parser: chức năng, mặc định không có : function, default None

Chức năng sử dụng để chuyển đổi một chuỗi các cột chuỗi thành một mảng các phiên bản DateTime. Mặc định sử dụng dateUtil.parser.parser để thực hiện chuyển đổi. Pandas sẽ cố gắng gọi DATE_PARSER theo ba cách khác nhau, tiến sang cách tiếp theo nếu xảy ra ngoại lệ: 1) Truyền một hoặc nhiều mảng (theo định nghĩa của parse_dates) làm đối số; 2) Concatenate (hàng khôn ngoan) Các giá trị chuỗi từ các cột được xác định bởi parse_dates thành một mảng duy nhất và truyền cái đó; và 3) CALL DATE_PARSER một lần cho mỗi hàng bằng một hoặc nhiều chuỗi (tương ứng với các cột được xác định bởi parse_dates) làm đối số.

dayfirst: boolean, mặc định sai : boolean, default False

Ngày định dạng DD/mm, định dạng quốc tế và châu Âu

Hàng ngàn: str, mặc định không có : str, default None

Hàng ngàn người phân tách

Nhận xét: str, mặc định không có : str, default None

Chỉ ra phần còn lại của dòng không nên được phân tích cú pháp. Nếu được tìm thấy ở đầu một dòng, dòng sẽ bị bỏ qua hoàn toàn. Tham số này phải là một ký tự duy nhất. Giống như các dòng trống (miễn là skip_blank_lines = true), các dòng được nhận xét đầy đủ bị bỏ qua bởi tiêu đề tham số nhưng không phải bởi bỏ qua. Ví dụ: nếu bình luận =,#skip_blank_lines=True), fully commented lines are ignored by the parameter header but not by skiprows. For example, if comment=’#’, parsing ‘#emptyna,b,cn1,2,3’ with header=0 will result in ‘a,b,c’ being treated as the header.

thập phân: str, mặc định ‘. : str, default ‘.’

Nhân vật để nhận ra là dấu thập phân. Ví dụ. Sử dụng ‘, cho dữ liệu châu Âu

NROWS: int, mặc định không có : int, default None

Số lượng hàng của tập tin để đọc. Hữu ích để đọc các phần của các tệp lớn

iterator: boolean, mặc định sai : boolean, default False

Trả về đối tượng textfileReader

Chunksize: int, mặc định không có : int, default None

Trả về đối tượng textfileReader để lặp

Skipfooter: int, mặc định 0 : int, default 0

Số dòng ở dưới cùng của tệp để bỏ qua (không được hỗ trợ với động cơ = xông C,)

bộ chuyển đổi: Dict, mặc định không có : dict, default None

Diễn ngôn của các chức năng để chuyển đổi các giá trị trong các cột nhất định. Chìa khóa có thể là số nguyên hoặc nhãn cột

Verbose: boolean, mặc định sai : boolean, default False

Chỉ ra số lượng giá trị Na được đặt trong các cột không phải là số

DELIMITER: Chuỗi, mặc định không có : string, default None

Tên đối số thay thế cho SEP. Biểu thức thường xuyên được chấp nhận.

mã hóa: chuỗi, mặc định không có : string, default None

Squeeze: Boolean, mặc định sai : boolean, default False

Nếu dữ liệu được phân tích cú pháp chỉ chứa một cột thì hãy trả lại một chuỗi

NA_Filter: Boolean, mặc định đúng : boolean, default True

Phát hiện các điểm đánh dấu giá trị bị thiếu (chuỗi trống và giá trị của NA_Values). Trong dữ liệu mà không có NAS, vượt qua na_filter = false có thể cải thiện hiệu suất của việc đọc một tệp lớn

usecols: giống như mảng, mặc định không có : array-like, default None

Trả về một tập hợp con của các cột. Dẫn đến thời gian phân tích nhanh hơn nhiều và sử dụng bộ nhớ thấp hơn.

MANGLE_DUPE_COLS: Boolean, mặc định đúng : boolean, default True

Các cột trùng lặp sẽ được chỉ định là ‘X.0, ...

tupupleize_cols: boolean, mặc định sai : boolean, default False

Để lại danh sách các bộ dữ liệu trên các cột như là (mặc định là để chuyển đổi thành một chỉ mục đa

ERROR_BAD_LINES: Boolean, mặc định đúng : boolean, default True

Các dòng có quá nhiều trường (ví dụ: dòng CSV có quá nhiều dấu phẩy) theo mặc định sẽ gây ra một ngoại lệ được nêu ra và sẽ không có DataFrame nào được trả về. Nếu sai, thì những dòng xấu của người Viking này sẽ bị loại khỏi khung dữ liệu được trả về. (Chỉ hợp lệ với trình phân tích cú pháp C)

WARN_BAD_LINES: boolean, mặc định đúng : boolean, default True

Nếu ERROR_BAD_LINES là sai và WARN_BAD_LINES là đúng, một cảnh báo cho mỗi dòng xấu của người Hồi giáo sẽ là đầu ra. (Chỉ hợp lệ với trình phân tích cú pháp C).

Infer_datetime_format: Boolean, mặc định sai : boolean, default False

Nếu true và parse_dates được bật cho một cột, hãy cố gắng suy ra định dạng DateTime để tăng tốc độ xử lý

SKIP_BLANK_LINES: boolean, mặc định đúng : boolean, default True

Nếu đúng, hãy bỏ qua các dòng trống thay vì diễn giải như các giá trị NAN

Làm cách nào để đọc một tệp được phân định tab trong Python?

Làm cách nào để đọc tệp Pandas TSV?

Làm cách nào để chuyển đổi một tab văn bản được phân tách thành CSV trong gấu trúc?

Làm cách nào để đọc tệp .data trong gấu trúc?