txt - leer columnas en python

Lectura de archivos delimitados por tabulaciones con Pandas: funciona en Windows, pero no en Mac

Question

He estado leyendo un archivo de datos delimitado por tabulaciones en Windows con Pandas / Python sin ningún problema. El archivo de datos contiene notas en las primeras tres líneas y luego sigue con un encabezado.

df = pd.read_csv(myfile,sep=''/t'',skiprows=(0,1,2),header=(0))

Ahora estoy tratando de leer este archivo con mi Mac. (La primera vez que uso Python en Mac.) Me sale el siguiente error.

pandas.parser.CParserError: Error tokenizing data. C error: Expected 1
fields in line 8, saw 39

Si establece el argumento error_bad_lines para read_csv en False , obtengo la siguiente información, que continúa hasta el final de la última fila.

Skipping line 8: expected 1 fields, saw 39
Skipping line 9: expected 1 fields, saw 125
Skipping line 10: expected 1 fields, saw 125
Skipping line 11: expected 1 fields, saw 125
Skipping line 12: expected 1 fields, saw 125
Skipping line 13: expected 1 fields, saw 125
Skipping line 14: expected 1 fields, saw 125
Skipping line 15: expected 1 fields, saw 125
Skipping line 16: expected 1 fields, saw 125
Skipping line 17: expected 1 fields, saw 125
...

¿Necesito especificar un valor para el argumento de codificación ? Parece que no debería hacerlo porque leer el archivo funciona bien en Windows.

Answer 1

La pista más importante es que todas las filas se devuelven en una línea. Esto indica que los terminadores de línea se están ignorando o no están presentes.

Puede especificar el terminador de línea para csv_reader. Si está en una Mac, las líneas creadas terminarán con /r lugar del estándar de Linux /n o mejor aún, los enfoques de tirantes y cinturón de las ventanas con /r/n .

pandas.read_csv(filename, sep=''/t'', lineterminator=''/r'')

También puede abrir todos sus datos utilizando el paquete de códecs. Esto puede aumentar la robustez a expensas de la velocidad de carga de documentos.

import codecs

doc = codecs.open(''document'',''rU'',''UTF-16'') #open for reading with "universal" type set

df = pandas.read_csv(doc, sep=''/t'')

Answer 2

Otra opción sería agregar engine=''python'' al comando pandas.read_csv(filename, sep=''/t'', engine=''python'')