使用多个分隔符将文本导入pandas

Question

我有一些数据，看起来像这样：

c stuff
c more header
c begin data         
 1 1:.5
 1 2:6.5
 1 3:5.3

我想把它导入到一个有三列的数据框中，列的格式大概是：

a , b, c
1,  1, 0.5
etc

我一直在尝试把数据读成两列，用':'来分隔，然后再用' '来分隔第一列。不过我发现这样做很麻烦。

有没有更好的方法可以直接在导入时处理好这些数据呢？

目前的情况是：

data1 = pd.read_csv(file_loc, skiprows = 3, delimiter = ':', names = ['AB', 'C'])
data2 = pd.DataFrame(data1.AB.str.split(' ',1).tolist(), names = ['A','B'])

不过，这个问题还因为我的数据前面有一个空格而变得更加复杂……

我觉得这应该是个简单的任务，但现在我在考虑逐行读取数据，然后用一些查找替换的方法来清理数据，再进行导入。

Answer 1

一种方法是使用Python引擎允许的正则表达式分隔符。例如：

>>> !cat castle.dat
c stuff
c more header
c begin data         
 1 1:.5
 1 2:6.5
 1 3:5.3
>>> df = pd.read_csv('castle.dat', skiprows=3, names=['a', 'b', 'c'], 
                     sep=' |:', engine='python')
>>> df
   a  b    c
0  1  1  0.5
1  1  2  6.5
2  1  3  5.3