Python Pandas所有文本列均显示为NaN

Question

我有一系列用制表符分隔的文件，想在一个Python脚本中读取它们。但是不知道为什么，当我导入文件时，所有的文本列都变成了NaN（缺失值）。

这是一个输入文件的示例：

Blah Blah
Blah Blah
Blah Blah
Blah Blah
Blah Blah
Blah Blah
Blah Blah
Period: Oct 28 2013 - Apr 27 2014
Note:
Brand Variant                               Industry                                    Major Category                              Market                                      Media Type                                  Parent Company                              Product Category                            Report Period (multiple)                    PCC Sub Group                               Subsidiary                                  Units   $$$ (000)
3 LADIES HAND-DIPPED CANDIES CANDY  CONFECT., SNACKS & SOFT DRINKS  CONFECTIONERY & SNACKS  Columbus Combo  Local Newspaper     COTTAGE FOOD PRODUCTION OPERATION   CANDY   11/18/13 - 11/24/13     F211 CANDY & GUM    COTTAGE FOOD PRODUCTION OPERATION   1   0.286   
3 MUSKETEERS CANDY BAR  CONFECT., SNACKS & SOFT DRINKS  CONFECTIONERY & SNACKS  Atlanta Combo   Spot Radio  MARS INC    CANDY BAR   11/04/13 - 11/10/13     F211 CANDY & GUM    MARS SNACKFOOD US LLC   22  1.403   

这是我Python（3.3）代码的一部分：

df = read_csv(csvFile, delimiter='\t', header=[9])
print(df)

输出结果如下：

Brand Variant                             \
3 LADIES HAND-DIPPED CANDIES CANDY                                       NaN   
3 MUSKETEERS CANDY BAR                                                   NaN   

                                    Industry                                  \
3 LADIES HAND-DIPPED CANDIES CANDY                                       NaN   
3 MUSKETEERS CANDY BAR                                                   NaN   

                                    Major Category                            \
3 LADIES HAND-DIPPED CANDIES CANDY                                       NaN   
3 MUSKETEERS CANDY BAR                                                   NaN   

                                    Market                                    \
3 LADIES HAND-DIPPED CANDIES CANDY                                       NaN   
3 MUSKETEERS CANDY BAR                                                   NaN   

                                    Media Type                                \
3 LADIES HAND-DIPPED CANDIES CANDY                                       NaN   
3 MUSKETEERS CANDY BAR                                                   NaN   

                                    Parent Company                            \
3 LADIES HAND-DIPPED CANDIES CANDY                                       NaN   
3 MUSKETEERS CANDY BAR                                                   NaN   

                                    Product Category                          \
3 LADIES HAND-DIPPED CANDIES CANDY                                       NaN   
3 MUSKETEERS CANDY BAR                                                   NaN   

                                    Report Period (multiple)                  \
3 LADIES HAND-DIPPED CANDIES CANDY                                       NaN   
3 MUSKETEERS CANDY BAR                                                   NaN   

                                    PCC Sub Group                             \
3 LADIES HAND-DIPPED CANDIES CANDY                                       NaN   
3 MUSKETEERS CANDY BAR                                                   NaN   

                                    Subsidiary                                \
3 LADIES HAND-DIPPED CANDIES CANDY                                       NaN   
3 MUSKETEERS CANDY BAR                                                   NaN   

                                    Units $$$ (000)  
3 LADIES HAND-DIPPED CANDIES CANDY    NaN       NaN  
3 MUSKETEERS CANDY BAR                NaN       NaN  

我注意到我的第一列似乎被设置为数据框的索引，但是如果我设置index_col = False，程序会报ValueError错误，因为它需要一个列号。我也尝试过把数据类型设置为字符串，但还是没成功。最后，在另一个用逗号分隔的文件中，我能够成功读取到包含文本数据的行。现在我不知道该怎么办了……

我注意到字段之间的分隔更像是制表符和空格的组合。

Answer 1

如果你想忽略“Blah Blah”文件的前几行，可以用 skiprows= 这个参数，而不是 header=。试试这个：

df = pd.read_csv(csvFile, sep='\t', skiprows=9, index_col=False)

我猜

“第一列似乎被设置为数据框的索引”

的原因是，你的文件里可能有多余的分隔符。如果是这样的话，使用 index_col=False 可能会有帮助。你可以查看这个链接了解更多信息：处理 read_csv 中的多余分隔符

因为我没有你的输入文件，而且你复制粘贴的文本似乎把制表符弄坏了（所有的空格都变成了文本），所以我没法测试。不过请告诉我们结果。