如何在熊猫中使用read_fwf跳过空白行？

Question

我pandas.read_fwf()在Python pandas 0.19.2中使用function来读取fwf.txt具有以下内容的文件：

# Column1 Column2
      123     abc

      456     def

#
#

我的代码如下：

import pandas as pd
file_path = "fwf.txt"
widths = [len("# Column1"), len(" Column2")]
names = ["Column1", "Column2"]
data = pd.read_fwf(filepath_or_buffer=file_path, widths=widths, 
                   names=names, skip_blank_lines=True, comment="#")

打印的数据框是这样的：

    Column1 Column2
0   123.0   abc
1   NaN     NaN
2   456.0   def
3   NaN     NaN

看起来skip_blank_lines=True参数被忽略了，因为数据帧包含NaN。

pandas.read_fwf()确保跳过空白行的参数的有效组合应该是什么？

Answer 1

import io
import pandas as pd
file_path = "fwf.txt"
widths = [len("# Column1 "), len("Column2")]
names = ["Column1", "Column2"]

class FileLike(io.TextIOBase):
    def __init__(self, iterable):
        self.iterable = iterable
    def readline(self):
        return next(self.iterable)

with open(file_path, 'r') as f:
    lines = (line for line in f if line.strip())
    data = pd.read_fwf(FileLike(lines), widths=widths, names=names, 
                       comment='#')
    print(data)

印刷

   Column1 Column2
0      123     abc
1      456     def

with open(file_path, 'r') as f:
    lines = (line for line in f if line.strip())

定义一个生成器表达式（即可迭代），它从文件中生成删除了空行的行。

该pd.read_fwf函数可以接受TextIOBase对象。您可以子类化 TextIOBase，以便其readline方法从可迭代对象返回行：

class FileLike(io.TextIOBase):
    def __init__(self, iterable):
        self.iterable = iterable
    def readline(self):
        return next(self.iterable)

将这两者放在一起为您提供了一种在将文件行传递到pd.read_fwf.