python + pandas读取含有不同空格的txt , csv，excel文件，以及跳过指定错误行数据_pandas read_excel 参数某一行错误则跳过

使用pandas读取含有不同空格的txt , csv，excel文件

若txt文件全为float或者int时候

txt = np.loadtxt(file)  # 此仅适用于全数据类型的txt 文件 ,且文件内无空数据
txtDF = pd.DataFrame(txt, columns=column_name)
txt 文件中，空格数不一致时候
 
file ="test.csv"
f = open(file)
data = pd.read_csv(f, sep='\s+', names=column_name) #设置列名和 默认以多个空格来识别数据
参考：https://blog.csdn.net/sinat_29957455/article/details/79054126 
excel 文件还有多个sheet时候
 
path = 'E:/light_demo/data/物理站点清单.xlsx'
physical_station = pd.read_excel(path,sheetname=None) # 当有多个sheet时候
for key,values in physical_station.items(): 
    data = physical_station[key] # 读取不同的 sheet  
##某一行数据有错误时，可以通过skiprows参数来跳过这些行 
  data = pd.read_csv("data.txt",skiprows=[223445,])
                    使用pandas读取含有不同空格的txt , csv，excel文件若txt文件全为float或者int时候txt = np.loadtxt(file)  # 此仅适用于全数据类型的txt 文件 ,且文件内无空数据txtDF = pd.DataFrame(txt, columns=column_name)txt 文件中，空格数不一致时候file ="test.csv"f = open...
				数据集成：将不同表的数据通过主键进行连接起来，方便对数据进行整体的分析。
两张表：ReaderInformation.csv，ReaderRentRecode.csv
ReaderInformation.csv： 
ReaderRentRecode.csv： 
pandas读取csv文件，并进行csv文件合并处理：
# -*- coding:utf-8 -*-
import csv as csv
import numpy as np
# -------------
# csv读取表格数据
# -------------
csv_file_object = csv.reader(c
				可以使用pandas的read_csv函数来读取TXT文件中的数据。在调用read_csv函数时，可以使用sep参数指定数据之间的分隔符。例如，如果TXT文件中的数据以空格间隔，则可以使用sep=' '调用read_csv函数。
下面是一个例子：
import pandas as pd
# 读取TXT文件中的数据
df = pd.read_csv('data.txt', sep=' ')
# ...
				有时候需要删除数据表中某一列中包含指定字符串的行，可以使用pandas的字符串包含函数.str.contains：
pd.Series.str.contains(pat, case=True, flags=0, na=None, regex=True)
#pat是搜索字符，case表示是否区分大小写，flags表示是否传递给 re 模块的标志，regex=True则pat是一个正则表达式，regex=False表示pat是一个字符串
官网详细解释链接：https://pandas.pydata.org/d
    df = pd.read_csv(csv_name, encoding='gbk')
    df.head()
    col_names = df.columns.tolist() # 获取列名字
    # 把列名中的空格去掉
导入Excel数据
pd.read_excel(filepath, sheetname=0, header=0, skiprows=None, skip_footer=None, index_col=None, names=None)
filepath：Ex...
				在数据预处理时，因为人工采集数据的过程，经常有可能把空值和空格混在一起，一般也注意不到在本来为空的单元格里加入了空格。这就给做数据处理的人带来了麻烦，因为空值和空格都是代表的无数据，而pandas中Series的方法notnull()会把有空格的数据也纳入进来。一般这种情况采用的做法是，先将空格用NaN值替换，再进行空值填充。
源数据形式如下：
再看一下数据的行数及数据格式：
可以看到，对于data["call_result2"]这一列数据是有缺失的，我们先用nan值将空格处理了，再进行空值处
				方法1 .去除列标题
1. 去除列标题空格
df1 = pd.DataFrame([{'col1 ':'a', 'col2 ':1}, {'col1 ':'b', 'col2 ':2}]，index=["aa ","bb "])
df1 = df1.rename(columns=lambda x: x.strip())
print(df1['col1'])
2.去除行标题空格
df1 = pd....
使用Pandas读取txt文件的方法是使用read_csv函数，并设置参数delimiter为文件的分隔符，例如：
import pandas as pd
df = pd.read_csv('example.txt', delimiter=' ')
print(df)
这里的example.txt是我们要读取的txt文件，delimiter指定了分隔符为空格。读取完成后，我们可以通过print(df)来查看读取到的数据。   
### 回答2：
Pandas是一个开源的Python数据分析库，它提供了一种快速、灵活、易用的数据结构，可以方便地对数据进行清洗、转换、分析和可视化。Pandas中主要使用两种数据结构：Series和DataFrame。Series是一种一维数组，类似于一个标签化的列表；DataFrame则是一个二维表格，以行和列的方式组织数据。
Pandas可以读取多种数据格式，其中包括txt文件。txt文件是一种简单的文本格式，文件内容以纯文本方式存储，可以使用文本编辑器进行查看和编辑。Pandas可以快速读取txt文件，同时支持多种参数设置，可以灵活地控制读取的数据结构和内容。
在使用Pandas读取txt文件时，我们需要先导入Pandas库，并使用read_table()或read_csv()函数进行文件读取。read_table()函数可以读取各种文本格式的文件，包括txt文件；read_csv()函数则是读取CSV文件的专用函数，也可以读取txt文件。以下是使用read_table()和read_csv()函数读取txt文件的示例代码：
```python
import pandas as pd
# 使用read_table()函数读取txt文件
data1 = pd.read_table('data.txt', sep='\t', header=None)
print(data1)
# 使用read_csv()函数读取txt文件
data2 = pd.read_csv('data.txt', sep='\t', header=None)
print(data2)
这里，我们读取的文件名为"data.txt"，使用了两种不同的函数进行读取，并设置了sep和header参数。sep参数用于指定文本文件中的分隔符，默认值为逗号，对于使用制表符分隔的txt文件，需要将sep设置为"\t"。header参数用于指定文件中是否包含表头，对于没有表头的txt文件，需要将header设置为None。
读取txt文件后，我们可以通过Series或DataFrame的方式对数据进行操作和分析。例如，可以使用head()函数和tail()函数查看数据的前几行和后几行，使用shape属性获取数据的维度大小，使用describe()函数获取数据的基本统计信息等。Pandas还提供了各种可视化函数，可以直观地展示数据分布和趋势。
总之，Pandas是一种快速、灵活、易用的数据处理库，可以方便地读取、清洗、转换和分析各种数据格式的文件，包括txt文件。通过学习和掌握Pandas的使用方法，我们可以更轻松地进行数据分析和挖掘工作。   
### 回答3：
Pandas是Python中一个基于NumPy的库，它提供了一种高效的数据结构DataFrame用于数据分析。在数据分析中，我们常常需要读取不同格式的文件，如CSV，Excel，txt，JSON等，而Pandas提供了很方便的读取这些文件的方法。
读取txt文件可以通过Pandas中的read_csv函数来实现，只需将参数sep指定为"\t"，也就是制表符即可。
使用Pandas读取txt文件的流程如下：
1.导入Pandas库
我们需要先导入Pandas库，可以使用如下代码：
import pandas as pd
2.读取txt文件
可以使用Pandas中的read_csv函数来读取txt文件，代码如下：
data=pd.read_csv('file.txt',sep='\t')
其中，'file.txt'是你要读取的txt文件，sep='\t'指定了数据之间的分隔符为制表符。
在读取txt文件时，还有一些其他的参数可以设置，例如：
header=None：表示没有表头，即第一行数据不作为列的名称。
skiprows=n：表示跳过前n行数据不读取。
names=[...]：表示手动设置列的名称，可以传入一个列表。
这些参数的使用可视情况而定，根据不同的文件格式进行配置。
3.查看读取结果
读取文件后，我们可以通过一些函数来查看读取结果。例如：
data.head()：查看前几行数据，默认情况下是前5行。
data.tail()：查看后几行数据，默认情况下是后5行。
data.info()：查看数据的基本信息，包括数据类型、数量、列名等。
以上是使用Pandas读取txt文件的基本流程，通过Pandas读取文件，可以快速、方便地进行数据处理和分析，提高工作效率和数据精度。