2018-09-05 关于pandas.read_csv读入tx

修改了一晚IO问题，以添加一个“+”解决

pandas

采用read_csv、read_table对txt文档进行读入，读入成DataFrame格式

1 2 3 4 5 

6 7 8 9 10 

11 12 13 14 15 

文件无columns，无index

不妨设列名 col = ['a','b','c','d','e']

问题的关键在于index

但是当采用read_table读入时（以空格作为分隔符），出现了index指向错误

test = pd.read_table('test.txt', names = ['a','b','c','d','e'], sep = ' ')

读入的test为

即原本的数据第一列被错误的判定为index，而在最后补充了NaN

出现这个bug的原因是：

“test.txt”每一行的结尾多了一个空格" "，一个肉眼看不见的空格！

当read_csv遇到这个空格时，会默认的多读入一个元素NaN

而通过names将DataFrame设定为5列，read_csv便很智能（zhang）的将第一列作为index，并补入了NaN作为结尾。

解决方式：

多写一个加号“+”，注意+前面有一个空格，通过正则的方式，将多个空格的状况过滤，即把最后的空格和换行符合并过滤，同时也防止了数据中间出现两个空格的情况

sep = ' +'

当然，使用多个字符作为分隔符，就必须得指定采用python引擎进行解释，因为C引擎只支持单字符

train = pd.read_table('train.txt',names = col, sep = ' +', engine='python')