python - 在Python中读取.tsv文件时忽略字符串

Question

我正在尝试读取 .tsv 文件，但我注意到我的数据中有一个特定的字符串，导致以下错误:

ParserError: Expected 112 fields in line 112, saw 115

我跟踪了错误，发现在我的数据中存在 "\\t"，当我尝试读取文件时，它认为它是由制表符分隔的...

我尝试了以下方法，但没有成功:

df = pd.read_csv('data.tsv.gz', header=None, sep='\t',
                 quoting=csv.QUOTE_NONE, compression='gzip', engine='python',
                 encoding='iso8859_1')

我还尝试过使用:sep='^\\t|\t'。

示例数据:

There\tShould \\t Only\tbe\t6\tcolumns\t\t

数据帧中的输出应生成 6 列，其中包含字符串“\\t”:

|There|Should \\t Only|be|6|columns|NA|

Answer 1

您可以向 pd.read_csv() 添加一个名为 escapechar 的参数。将转义字符设置为'\'` 将解决您的问题。因此

df = pd.read_csv('data.tsv.gz', header=None, sep='\t', escapechar='\\',
                 quoting=csv.QUOTE_NONE, compression='gzip', engine='python',
                 encoding='iso8859_1')

确实有效，正如您在更新的问题中所示的那样。