如何在Python中读取指定列数且含缺失值的空格分隔DataFrame？

你遇到的报错根源很明确：不管是numpy.genfromtxt还是pandas.read_table，默认都会根据文件第一行的字段数量来推断整个表格的列数。但你的第一行存在缺失值，字段数少于实际的5列，导致后续行的列数匹配失败，触发报错。下面分别给出两种工具的解决方案：

一、使用numpy.genfromtxt读取 #

你需要明确指定表格的列数，并设置缺失值的填充方式，让genfromtxt知道要按5列解析，缺失的位置用NaN填充：

import numpy as np

# 定义5个列名，告诉genfromtxt表格有5列
df = np.genfromtxt(
    'table',
    delimiter=' ',
    autostrip=True,  # 自动去除每个字段的前后空格
    filling_values=np.nan,  # 缺失值填充为NaN
    names=['col1', 'col2', 'col3', 'col4', 'col5']
)

如果不需要列名，也可以通过dtype参数间接指定列数：

df = np.genfromtxt(
    'table',
    delimiter=' ',
    autostrip=True,
    filling_values=np.nan,
    dtype=(float, 5)  # 指定每行是5个float类型元素
)

二、使用pandas读取 #

pandas的核心思路同样是明确指定列数，通过names参数定义5个列名，让工具按5列解析：

方法1：用read_table #

import pandas as pd

df = pd.read_table(
    'table',
    delim_whitespace=True,  # 用任意空格作为分隔符
    header=None,  # 文件无表头
    names=['col1', 'col2', 'col3', 'col4', 'col5']  # 指定5列列名
)

方法2：用read_csv（更灵活） #

read_table默认用制表符分隔，用read_csv搭配sep='\s+'匹配任意空格，效果更稳定：

df = pd.read_csv(
    'table',
    sep='\s+',  # 匹配一个或多个空格作为分隔符
    header=None,
    names=['col1', 'col2', 'col3', 'col4', 'col5']
)

执行后，第一行的缺失值会自动填充为NaN，整个表格会被正确解析为4行5列的DataFrame。

内容的提问来源于stack exchange，提问作者user16454053