python - 读取 rho 分隔文件

Question

我正在尝试使用 Pandas 读取带分隔符的文件。分隔符是希腊字符，小写 rho (þ)。

我正在努力定义正确的 read_table 参数，以便正确格式化生成的数据框。

有没有人对此有任何经验或建议？

文件示例如下

时间+用户-ID+广告商-ID+订单-ID+广告-ID+创意-ID+创意-版本+创意-尺寸-ID+网站-ID+页面-ID+国家/地区-ID+州/省+浏览器-ID+浏览器-版本+OS-ID+DMA-ID+城市-ID+Zip-Code+Time-Site-Site-ID03-28-2016-00:50:03+0+3893600+7786669+298662779+67802437+1+300x250+1722397+125754620+68+30+0.0+501012+0+0+39122503-28-2016-00:24:29+0+3893600+7352234+290743769+55727503+1+1x1+1602646+117915815+68+31+0.0+501012+0+37+11+659+103-28-2016-00:13:42+0+3893600+7352234+290743769+55727503+1+1x1+1602646+117915815+68+31+0.0+501012+0+37+11+4259+203-28-2016-00:21:09+0+3893600+7352234+290743769+55727503+1+1x1+1602646+117915815+68+31+0.0+501012+0+3+p71118+14659

Answer 1

我认为发生的事情是 C 引擎在这里不工作。如果我们切换到更强大但更慢的 Python 引擎，它似乎表现得很好。例如，使用默认的 C 引擎:

>>> df = pd.read_csv("out.rsv",sep="þ")
>>> df.iloc[:,:5]
  TimeþUser-IDþAdvertiser-IDþOrder-IDþAd-IDþCreative-IDþCreative-VersionþCreative-Size-IDþSite-IDþPage-IDþCountry-IDþState/ProvinceþBrowser-IDþBrowser-VersionþOS-IDþDMA-IDþCity-IDþZip-CodeþSite-DataþTime-UTC-Sec
0  03-28-2016-00:50:03þ0þ3893600þ7786669þ29866277...                                                                                                                                                               
1  03-28-2016-00:24:29þ0þ3893600þ7352234þ29074376...                                                                                                                                                               
2  03-28-2016-00:13:42þ0þ3893600þ7352234þ29074376...                                                                                                                                                               
3  03-28-2016-00:21:09þ0þ3893600þ7352234þ29074376...    

但是对于 Python:

>>> df = pd.read_csv("out.rsv",sep="þ", engine="python")
>>> df.iloc[:,:5]
                  Time  User-ID  Advertiser-ID  Order-ID      Ad-ID
0  03-28-2016-00:50:03        0        3893600   7786669  298662779
1  03-28-2016-00:24:29        0        3893600   7352234  290743769
2  03-28-2016-00:13:42        0        3893600   7352234  290743769
3  03-28-2016-00:21:09        0        3893600   7352234  290743769

---

.. 但说真的，þ？您使用 þ 作为分隔符？谷歌给我的唯一搜索结果是“rho delimited file”都与这个问题有关!

请注意，您说的是小写的 rho，但对我来说它看起来像 thorn。也许您这边是小写的 rho 并且在发帖时弄糊涂了？