Pandas将txtfile读取为数据帧，当一列只有一位数据时出现问题

Question

我正在使用python pandas分析txt数据

我试图用pd.read_fwf读取txt文件，但只有一列只有一个？信如下

 824334 4141.854 6100.175   11.040 -117.810    
 841013 2028.294 6221.566   10.913 -178.340    
 854890 4214.858 6322.255   10.645 -125.390    
 864353 4326.768 6389.329   10.815  -98.650   ?
 864918 3187.398 6392.824   11.050  -91.250    
 867194 3230.288 6410.404   10.208 -190.380    
   1794 2926.630    8.900   18.564  -58.970
   3041 2902.000   18.400   16.302  -63.770
   3171 2912.040   19.660   12.905 -110.350

当使用熊猫读取此文件时

import pandas as pd

data = pd.read_fwf(file, dtype=None, header=None)

输出是

            0        1        2        3        4
 0     824334 4141.854 6100.175   11.040 -117.810    
 1     841013 2028.294 6221.566   10.913 -178.340    
 2     854890 4214.858 6322.255   10.645 -125.390    
 3     864353 4326.768 6389.329   10.815  -98.650
 4     864918 3187.398 6392.824   11.050  -91.250    
 5     867194 3230.288 6410.404   10.208 -190.380    
 6       1794 2926.630    8.900   18.564  -58.970
 7       3041 2902.000   18.400   16.302  -63.770
 8       3171 2912.040   19.660   12.905 -110.350

缺少最后一列

如果使用read_csv，则会导致错误，因为有？关于最后一栏的信

然而，一些文件二？最后一列上的字母，则最后一列存在，并用NaN填充所有空单元格

我想知道为什么一个字母会被自动忽略

请给我一些关于这个问题的建议

致以最良好的祝愿

Answer 1

正如@jesrael在评论中所说的，最干净的方法是在使用read_fwf之前知道列数，并将其与names参数一起使用

正如我在评论中所说的，你在我的机器上发布的内容是有效的。那么，也许还有别的东西要检查

无论如何，如果列的数量因文件而异，您可以在使用read_fwf之前读取每个文件，以获得这样的列数（虽然不是很有效，但它可以完成这项工作）：

number_of_columns = 0
with open(file) as f:
    for line in f:
        items = line.split()
        number_of_columns_in_line = len(items)
        if number_of_columns_in_line > number_of_columns:
            number_of_columns = number_of_columns_in_line

和使用：

data = pd.read_fwf(file, dtype=None, header=None, names=range(number_of_columns))

或者，将read_csv与delim_whitespace=True和names一起使用：

data = pd.read_csv(file, header=None, delim_whitespace=True, names=range(number_of_columns))

如果我们不将names给read_csv，将出现错误（pandas.errors.ParserError: Error tokenizing data. C error: Expected 5 fields in line 4, saw 6），因为列数是从第一行推断出来的，而在导致问题的文本文件中，最后一列中没有数据