python - pandas read_csv 列标题中带有井号

Question

我需要从制表符分隔的文件中读取数据，其中第一行包含列标题，但该行的第一个字符是井号/octothorpe/hastag/#.

数据如下所示:

#   year-month-day  spam    eggs
1956-01-31  11  21
1985-03-20  12  22
1940-11-22  13  23

read_csv 犯了 3 个错误: 1. 它将包含任何前导井号作为其自己的唯一列，或作为第一列的第一个字符，导致列过多或保留空格、制表符和逗号作为列名的一部分，即使它被告知这是分隔符。 2. 制表符、空格、逗号、单引号和双引号分隔符将随机用作列的分隔符，文档中未定义优先级系统，具体取决于分隔符是否紧邻空格，例如 ' abc','xyz' 或 'abc', 'xyz'3. 如果转义被定义为反斜杠，那么转义字符将不会被视为文字。4. 如果您要求 pandas 推断上述任何内容或 header ，以上所有内容都将被错误推断。

看起来唯一可行的选择是 1:推出自己的告诉标题读取函数，然后 2:告诉 pandas read_csv 忽略标题列。

有更好的方法吗？

Answer 1

这给出了所需的 DataFrame

from io import StringIO
import pandas as  pd

FILE_CONTENTS = """\
# year-month-day    spam    eggs
1956-01-31  11  21
1985-03-20  12  22
1940-11-22  13  23
"""
df = pd.read_csv(StringIO(FILE_CONTENTS), delim_whitespace=True, escapechar='#')
df.columns = df.columns.str.strip()

注意编辑后包括 EdChum修复了初始列中的前导空白，在 comment 中提供.

似乎比我尝试过的各种拼凑更可取:

with open(filename) as f:
    header = f.readline()
cols = header.strip('#').split()
df = pd.read_csv(..., comment='#', names=cols)

编辑:看到Nickil Maveli的回答我意识到我必须处理两者 #<space>year-month-day ... 和 #<tab>year-month-day ...在文件头中。因此，我们需要结合 Nikil 和 EdChum 的方法