读取缺少 EOL 的 CSV 文件
Read CSV File with some EOL missing
我需要将一堆 csv 文件读取到 pandas 数据帧,我正在 运行 读取一些缺少行尾字符的文件。它根本不存在。由于 "different number of columns".
,pandas.read_csv
不会阅读它们
Time; A; B; C
12:00; 1; 2; 3
12:01; 4; 5; 6; 12:02; 7; 8; 9
12:03; 10; 11; 12
12:04; 13; 14; 15
幸运的是,所有这些错误都在第一列之前,所以我可以查找时间(没有其他列有时间)。在这种情况下,我只需要在 12:02 之前插入一个 CR/LF 然后读取到数据帧:
Time; A; B; C
12:00; 1; 2; 3
12:01; 4; 5; 6;
12:02; 7; 8; 9
12:03; 10; 11; 12
12:04; 13; 14; 15
在read_csv()
之前有没有有效的方法来做到这一点?还是我需要先打开每个文件,查看每一行,替换,关闭,然后用 pandas 读取?
使用:python3.5.2 , pandas 0.22.0
如果你有违规行为,你可以尝试预处理 csv
例如:
import pandas as pd
res = []
with open(filename) as infile: #Read CSV
header = next(infile).split(";") #Get Header
for line in infile: #Iterate each line
val = line.split(";")
if len(val) == 4: #Check if 4 elements in each line
res.append(val)
else:
res.extend( [val[i:i+4] for i in range(0, len(val), 4)] ) #Else split it.
df = pd.DataFrame(res, columns=header)
print(df)
输出:
Time A B C\n
0 12:00 1 2 3\n
1 12:01 4 5 6
2 12:02 7 8 9\n
3 12:03 10 11 12\n
4 12:04 13 14 15
我需要将一堆 csv 文件读取到 pandas 数据帧,我正在 运行 读取一些缺少行尾字符的文件。它根本不存在。由于 "different number of columns".
,pandas.read_csv
不会阅读它们
Time; A; B; C
12:00; 1; 2; 3
12:01; 4; 5; 6; 12:02; 7; 8; 9
12:03; 10; 11; 12
12:04; 13; 14; 15
幸运的是,所有这些错误都在第一列之前,所以我可以查找时间(没有其他列有时间)。在这种情况下,我只需要在 12:02 之前插入一个 CR/LF 然后读取到数据帧:
Time; A; B; C
12:00; 1; 2; 3
12:01; 4; 5; 6;
12:02; 7; 8; 9
12:03; 10; 11; 12
12:04; 13; 14; 15
在read_csv()
之前有没有有效的方法来做到这一点?还是我需要先打开每个文件,查看每一行,替换,关闭,然后用 pandas 读取?
使用:python3.5.2 , pandas 0.22.0
如果你有违规行为,你可以尝试预处理 csv
例如:
import pandas as pd
res = []
with open(filename) as infile: #Read CSV
header = next(infile).split(";") #Get Header
for line in infile: #Iterate each line
val = line.split(";")
if len(val) == 4: #Check if 4 elements in each line
res.append(val)
else:
res.extend( [val[i:i+4] for i in range(0, len(val), 4)] ) #Else split it.
df = pd.DataFrame(res, columns=header)
print(df)
输出:
Time A B C\n
0 12:00 1 2 3\n
1 12:01 4 5 6
2 12:02 7 8 9\n
3 12:03 10 11 12\n
4 12:04 13 14 15