熊猫read_csv（）用于多个定界符

Question

我有一个文件，其数据如下

1000000 183:0.6673;2:0.3535;359:0.304;363:0.1835
1000001 92:1.0
1000002 112:1.0
1000003 154435:0.746;30:0.3902;220:0.2803;238:0.2781;232:0.2717
1000004 118:1.0
1000005 157:0.484;25:0.4383;198:0.3033
1000006 277:0.7815;1980:0.4825;146:0.175
1000007 4069:0.6678;2557:0.6104;137:0.4261
1000009 2:1.0

我想将文件读取到由多个分隔符分隔的熊猫数据框 \t, :, ;

我试过了

df_user_key_word_org = pd.read_csv(filepath+"user_key_word.txt", sep='\t|:|;', header=None, engine='python')

它给了我以下错误。

pandas.errors.ParserError: Error could be due to quotes being ignored when a multi-char delimiter is used.

为什么会出现此错误？

所以我想我将尝试使用正则表达式字符串。但是我不确定如何编写拆分正则表达式。r'\ t |：|;' 不起作用。

将文件读取到具有多个定界符的熊猫数据框的最佳方法是什么？

Answer 1

从这个问题，用 Pandas 处理可变数量的列 - Python，一种解决方法 pandas.errors.ParserError: Expected 29 fields in line 11, saw 45.是read_csv提前知道有多少列。

my_cols = [str(i) for i in range(45)] # create some col names
df_user_key_word_org = pd.read_csv(filepath+"user_key_word.txt",
                                   sep="\s+|;|:",
                                   names=my_cols, 
                                   header=None, 
                                   engine="python")
# I tested with s = StringIO(text_from_OP) on my computer

希望这有效。