pandas read_csv不会将final（未命名）列捕获到datafram中

Question

我正在尝试读取以下格式的csv文件

myHeader
myJunk
myDate
A, B, C, D
, b, c, d
dataA, dataB, dataC, dataD, EXTRA_INFO_STRING
dataA, dataB, dataC, dataD, EXTRA_INFO_STRING
dataA, dataB, dataC, dataD, EXTRA_INFO_STRING

当我使用

^{pr2}$

我得到以下错误（我的数据比上面的例子更复杂，但功能相同）

pandas._parser.CParserError: Error tokenizing data. C error: Expected 393 fields in line 9, saw 394

如何给额外的“信息”列命名并将这些字符串包含在我的数据帧中？在

[编辑]

我想出了如何跳过麻烦的行，但现在数据没有正确对齐

from StringIO import StringIO
s = """myHeader
myJunk
myDate
A, B, C, D
, b, c, d
dataA, dataB, dataC, dataD, EXTRA_INFO_STRING
dataA, dataB, dataC, dataD, EXTRA_INFO_STRING
dataA, dataB, dataC, dataD, EXTRA_INFO_STRING"""

df = pd.read_csv(StringIO(s), header=3, skiprows=[4])
>>print df

            A       B       C                   D
dataA   dataB   dataC   dataD   EXTRA_INFO_STRING
dataA   dataB   dataC   dataD   EXTRA_INFO_STRING
dataA   dataB   dataC   dataD   EXTRA_INFO_STRING

我想要的是：

A       B       C       D       MY_INFO
dataA   dataB   dataC   dataD   EXTRA_INFO_STRING
dataA   dataB   dataC   dataD   EXTRA_INFO_STRING
dataA   dataB   dataC   dataD   EXTRA_INFO_STRING

Answer 1

如果只有标题后的行丢失EXTRA_INFO_STRING，则可以分别加载列名和数据：

from StringIO import StringIO
df = pd.read_csv(StringIO(s), header=None, skiprows=5)

以下代码（可能不是很优雅）将加载列名：

^{pr2}$

试验中使用的数据：

s = """myHeader
myJunk
myDate
A, B, C, D
, b, c, d
dataA, dataB, dataC, dataD, EXTRA_INFO_STRING
dataA, dataB, dataC, dataD, EXTRA_INFO_STRING
dataA, dataB, dataC, dataD, EXTRA_INFO_STRING"""

Answer 2

怎么样：

df = pd.read_csv(StringIO(s), skiprows=5, header = None, index_col = False)
df.columns = list("ABCDE")

有时，如果read_csv数字转换有问题，可以添加dtype=object 进入read_csv调用并在以后自己使用处理转换数据帧.aType. 在

Answer 3

下面是一些我尝试过的方法，它似乎可以获得您想要的格式的数据。基本思想是“忽略所有有问题的行”（如果您了解文件结构，这是可能的）。在

x = pd.read_csv(StringIO.StringIO(s), names=['a', 'b', 'c', 'd', 'more_info'], header=None, skiprows=5)

这将以您想要的格式提供输出。在

我的经验是read_csv，在得到想要的之前，必须尝试一些组合。在

希望这有帮助。在