HOWTO · Pandas

Pandas 中如何從文字檔案載入資料

本教程演示了 Pandas 中如何從文字檔案載入資料,方法是使用 read_csv,read_fwf 和 read_table。

本頁內容

.txt 副檔名無法決定檔案應如何解析。欄位以分隔符號分開時使用 read_csv();欄位對齊在固定字元位置時使用 read_fwf();讀取以定位字元分隔的表格時使用 read_table()。這些讀取函式都會回傳 pandas DataFrame。下方範例會自行建立小型輸入檔,讓你能對照程式碼查看各種格式。

使用 read_csv() 讀取分隔文字

每筆記錄的欄位以固定字元分隔時,例如逗號或分號,適合使用 read_csv()。pandas 預設會將第一列視為欄名。檔案沒有標頭列時,設定 header=None;若要指定欄名,則傳入 names。此範例使用含有標頭列和一個空欄位的逗號分隔檔案:

from pathlib import Path
from tempfile import TemporaryDirectory
import pandas as pd

with TemporaryDirectory() as folder:
    path = Path(folder) / "people.txt"
    path.write_text("name,age\nAda,36\nLinus,", encoding="utf-8")
    df = pd.read_csv(path, sep=",")
    print(df.to_string(index=False))
 name  age
  Ada 36.0
Linus  NaN

Pandas 預設會辨識常見的缺失值標記,包括空欄位。使用 keep_default_na=False 可停用這些預設標記,或使用 na_values 加入符合檔案格式的標記。此處的範例輸出會將空白的 age 欄位顯示為 NaN;由於該欄也包含缺失值,有填入數值的 age 會推斷為浮點數。程式與輸出區塊保持原樣,因此其中的英文欄名及其他文字也維持英文。

使用 read_fwf() 讀取固定寬度文字

欄位位於明確的字元位置,且欄與欄之間沒有分隔符號時,適合使用 read_fwf()。它不是用來一般性讀取分隔符號不固定之檔案的函式。此範例明確指定欄寬,讓欄位邊界一目了然:

from pathlib import Path
from tempfile import TemporaryDirectory
import pandas as pd

with TemporaryDirectory() as folder:
    path = Path(folder) / "people.txt"
    path.write_text("Ada   036\nLinus 042\n", encoding="utf-8")
    df = pd.read_fwf(path, widths=[6, 3], names=["name", "age"])
    print(df.to_string(index=False))
 name  age
  Ada   36
Linus   42

調整 widths,使其符合記錄中各欄位的字元範圍;若不確定欄位邊界,請先檢查檔案格式,再決定欄寬。傳入的 names 會為解析出的兩個欄位命名,因此範例不需要標頭列。輸出中的欄名及其他文字會沿用未翻譯的範例內容,並維持英文。

使用 read_table() 讀取表格文字

read_table() 可讀取分隔資料,預設使用定位字元作為分隔符號。若檔案使用其他分隔符號,請傳入 sep。此範例使用預設的定位字元分隔符號:

from pathlib import Path
from tempfile import TemporaryDirectory
import pandas as pd

with TemporaryDirectory() as folder:
    path = Path(folder) / "scores.txt"
    path.write_text("name\tscore\nMina\t91\nOmar\t87\n", encoding="utf-8")
    df = pd.read_table(path)
    print(df.to_string(index=False))
name  score
Mina     91
Omar     87

例如,若檔案以分號分隔,可傳入 sep=";";分隔符號必須與檔案中的字元相符。與 read_csv() 一樣,read_table() 預設會將第一列視為標頭;若輸入內容一開始就是資料列,設定 header=None 即可改變此行為。範例中的程式與輸出區塊維持原樣,其中的英文欄名及其他文字也維持英文。

選擇讀取函式並設定常用選項

逗號分隔或其他使用固定分隔符號的記錄適合用 read_csv();欄位對齊在固定位置時使用 read_fwf();以定位字元分隔的表格則可使用 read_table()。對於分隔資料的讀取函式,pandas 預設會將第一列推斷為標頭;若設定 header=None,就不會如此。檔案沒有標頭列時,可使用 names=[...] 指定欄名。使用 na_values 指定符合檔案格式的缺失值標記。read_fwf() 範例也接受 names,而 widths 引數則描述各欄位的字元範圍。

若要載入現有的 .txt 檔案,請將檔案路徑傳給讀取函式,例如 pd.read_csv("/path/to/people.txt", sep=",")。在 Windows 上,使用 r"C:\data\people.txt" 這類原始字串,可避免反斜線被視為跳脫字元。每個範例都可以將暫存檔案的設定方式和 path 值換成自己的檔案路徑,再保留讀取函式呼叫,並依檔案內容選擇相符的分隔符號、標頭設定、欄名或欄寬。相對路徑會以 Python 程序目前的工作目錄為基準;若工作目錄可能變動,請使用絕對路徑。