Pandas (Python) 中未正确分配的列

Question

我在 .csv 文件中有一个数据集，我正在尝试提取并命名它的列。我使用以下代码：

data_name = 'housing.csv'
column_names = ['CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX',
                                 'RM', 'AGE', 'DIS', 'RAD', 'TAX', 'PTRATIO',
                                 'LSTAT', 'MEDV']
data = pd.read_csv(data_name, names=column_names, error_bad_lines=False,
                   header=None)

问题在于它将标题分配给了错误的列。只有最后一列被重命名并添加其他列，并填充 NaN 值。我也尝试过使用rename 得到类似的结果。这是print(data.head()) 的样子：

                                                CRIM  ZN  ...  LSTAT  MEDV
0   0.00632  18.00   2.310  0  0.5380  6.5750  65... NaN  ...    NaN   NaN
1   0.02731   0.00   7.070  0  0.4690  6.4210  78... NaN  ...    NaN   NaN
2   0.02729   0.00   7.070  0  0.4690  7.1850  61... NaN  ...    NaN   NaN
3   0.03237   0.00   2.180  0  0.4580  6.9980  45... NaN  ...    NaN   NaN
4   0.06905   0.00   2.180  0  0.4580  7.1470  54... NaN  ...    NaN   NaN

关于如何解决这个问题的任何想法？

Answer 1

您的文本数据似乎是用空格而不是逗号分隔的。

您可以尝试明确告诉read_csv 使用一个或多个空格作为字段分隔符：

data = pd.read_csv(data_name, names=column_names, error_bad_lines=False,
                   header=None, sep='\s+')

read_csv 中还有一个显式的delim_whitespace 选项，其作用与上述相同。来自docs：

delim_whitespace: bool，默认为 False

指定是否将空格（例如' ' 或' '）用作sep。相当于设置sep='\s+'。如果此选项设置为 True，则不应为 delimiter 参数传递任何内容。