如何修复数据被加载到数据帧的一列中？

Question

我有以下代码：

import pandas as pd
file_path = 'https://archive.ics.uci.edu/ml/machine-learning-databases/voting-records/house-votes-84.data'

dataset2 = pd.read_csv(file_path, header=None, dtype=str)
v = dataset2.values

f = pd.factorize(v.ravel())[0].reshape(v.shape)

dataset1 = pd.DataFrame(f)
df = dataset1.astype('str')

dataset = df.values.tolist()
print (type (dataset))
print (type (dataset[1]))
print (type (dataset[1][1]))

目标是将所有数据集从1..n转换为数据集中每个不同值的值，然后将其转换为列表列表，其中每个元素都是字符串。 上面的代码非常有效。但是，当我将数据集更改为：

file_path ='https://archive.ics.uci.edu/ml/machine-learning-databases/undocumented/connectionist-bench/vowel/vowel-context.data'

我犯了个错误。它如何也适用于此数据集？你知道吗

Answer 1

你需要了解你正在处理的数据。一个快速打印电话会帮助你意识到这个分隔符是不同的。你知道吗

此外，它似乎是数字数据；您不再需要str转换。你知道吗

file_path = 'https://archive.ics.uci.edu/ml/machine-learning-databases/undocumented/connectionist-bench/vowel/vowel-context.data'

t = pd.read_csv(file_path, header=None, delim_whitespace=True)
v = t.values
f = pd.factorize(v.ravel())[0].reshape(v.shape)

df = pd.DataFrame(f)

---

如果要猜测分隔符格式，可以使用sep=None：

t = pd.read_csv(file_path, header=None, sep=None)

我不建议这样做，因为在使用推断分隔符加载数据时，panda很容易出错。你知道吗