python_當原始檔案欄位不固定時的讀取方式

<Line廢文分析> Part1: Line的聊天紀錄輸入

最近無聊想說來研究看看「范友line聊天室」都在講些什麼話，因此輸出了開站至今(2019/9/26~)聊天紀錄來看看，Line抓下來的raw data如下:

可以發現這個格式不是完整的n*3矩陣。實際上如果以’換行符號/t’區隔後，實際的樣子為(第1欄灰色,第2欄綠色,第3欄紅色):

如果直接使用pd.read()會輸入失敗(error如下)。意思是期待第5行出現1個欄位，卻出現了2個欄位。

因此，要解決欄為不一的問題，我們可以透過以下語法:

my_cols = ["A", "B", "C"]
df0 = pd.read_csv(f0,encoding='utf-8', names=my_cols,sep='\t')

我們可以強制告訴pandas總共有3個欄位(my_cols = [“A”, “B”, “C”])，然後pd.read()時，names = my_cols。那就可以成功讀取囉!可以發現沒有值的欄位，pandas會直接補上NaN。

下一章節，我們再來介紹要怎麼處理日期及時間在同個欄位的問題，我們想要讓日期能夠獨立成一個欄位，好方便後續分析…XD

下一篇:

python_判斷部份文字是否在某個欄位中及自動向上填滿、向下填滿