Python Pandas Fehler beim Tokenisieren von Daten

Question

Ich versuche, pandas zu verwenden, um eine .csv-Datei zu manipulieren, aber ich erhalte diesen Fehler:

pandas.parser.CParserError: Fehler beim Tokenisieren der Daten. C Fehler: Erwartet 2 Felder in Zeile 3, aber 12 gesehen

Ich habe versucht, die pandas-Dokumentation zu lesen, aber nichts gefunden.

Mein Code ist einfach:

path = 'GOOG Key Ratios.csv'
#print(open(path).read())
data = pd.read_csv(path)

Wie kann ich das lösen? Sollte ich das csv-Modul oder eine andere Sprache verwenden?

Die Datei stammt von Morningstar

Answer 1

Ich habe dasselbe Problem beim Lesen von read_csv: ParserError: Fehler beim Tokenisieren der Daten. Ich habe einfach die alte CSV-Datei in eine neue CSV-Datei gespeichert. Das Problem ist gelöst!

Answer 2

Die meisten nützlichen Antworten sind bereits erwähnt, aber ich schlage vor, die Pandas-Datenrahmen als Parquet-Datei zu speichern. Parquet-Dateien haben dieses Problem nicht und sind gleichzeitig speichereffizient.

Answer 3

Ich hatte einen Datensatz mit bereits vorhandenen Zeilennummern, ich habe index_col verwendet:

pd.read_csv('train.csv', index_col=0)

Answer 4

Ich bin auf diesen Fehler mit einem verirrten Anführungszeichen gestoßen. Ich verwende eine Mapping-Software, die Anführungszeichen um Textelemente setzt, wenn sie kommagetrennte Dateien exportiert. Text, der Anführungszeichen verwendet (z. B. ' = Fuß und " = Zoll), kann problematisch sein, wenn er dann zu Begrenzungskollisionen führt. Betrachten Sie dieses Beispiel, das darauf hinweist, dass ein 5-Zoll-Brunnenprotokoll von schlechter Qualität ist:

UWI_key,Latitude,Longitude,Remark US42051316890000,30.4386484,-96.4330734,"schlecht 5""

Die Verwendung von 5" als Abkürzung für 5 Zoll macht die Dinge kompliziert. Excel entfernt einfach das zusätzliche Anführungszeichen, aber Pandas bricht ohne das oben erwähnte Argument error_bad_lines=False zusammen.

Answer 5

Es hat nur ein Komma nach dem letzten Spaltentitel gefehlt. Als ich eins hinzugefügt habe, wurde das Problem behoben. Hoffentlich hilft es jemandem.

original:

col1, col2, col3

korrigierte Version:

col1, col2, col3,