Pandas读取数据时如何为表头与数据设置不同分隔符？

针对你遇到的表头含单个空格（如222 U）、数据行用多/单个空格分隔的矛盾场景，无法用单一分隔符同时正确解析表头和数据的问题，可通过分开处理表头与数据行的方式解决：

步骤1：单独提取并处理表头 #

先从文件中读取表头行，用**至少2个空格（\s{2,}）**分割，保留含单个空格的字段名：

import re
import pandas as pd

filename = "your_data_file.txt"  # 替换为你的文件路径
rows_to_keep = [0, 2, 3, 5]  # 示例：你需要保留的行索引（含表头行）

# 读取文件所有行，定位表头行
with open(filename, encoding='latin1') as f:
    all_lines = f.readlines()

# 假设rows_to_keep中第一个是表头行，根据实际情况调整
header_row_idx = rows_to_keep[0]
header_content = all_lines[header_row_idx].strip()

# 用至少2个空格分割表头，得到正确的列名列表
column_names = re.split(r'\s{2,}', header_content)

步骤2：读取数据行并匹配列名 #

读取数据行时用**任意数量空格（\s+）**分割，跳过表头行，最后将处理好的列名赋值给DataFrame：

# 读取数据行：跳过非目标行 + 跳过表头行
df = pd.read_csv(
    filename,
    encoding='latin1',
    sep='\s+',
    skip_blank_lines=True,
    skiprows=lambda x: x not in rows_to_keep or x == header_row_idx,
    header=None  # 不自动识别表头
)

# 为DataFrame设置正确的列名
df.columns = column_names

补充说明 #

• 需确保rows_to_keep中包含表头行的索引，且处理后的column_names长度与数据行的列数一致；
• 如果表头行不在rows_to_keep的首位，需自行调整header_row_idx的取值逻辑；
• 此方法避免了单一分隔符的局限性，同时兼容表头含单个空格、数据行多空格分隔的场景。

内容的提问来源于stack exchange，提问作者donpicoro