Python读取文本文件报错，如何导入数据并设置指定列名？

1. 语法错误原因 #

你写的代码里，open语句的代码块中缺少循环关键字for，正确的循环写法应该是for line in mytxt:，这是导致语法报错的直接原因。

2. 更高效的数据导入方案（适配后续机器学习操作） #

既然已经导入了pandas，直接用pandas的read_csv方法读取数据更高效，还能直接处理列名、分隔符和空行问题，具体步骤如下：

步骤1：整理列名 #

先把你提供的列名字符串转换成列表，去除多余空格：

column_names = [col.strip() for col in "PERSON_GENDER_CD| PERSON_AGE_NBR| HOUSEHOLD_INCOME_ID | DOG_WHISPERER| DOGS_101|BAD_DOG|PUPPIES_VS_BABIES|PUPPY_BOWL".split("|")]

步骤2：读取数据文件 #

使用pd.read_csv读取Databricks路径下的文本文件，指定分隔符为|，跳过空行，并设置列名：

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.cluster import KMeans

# 整理列名
column_names = [col.strip() for col in "PERSON_GENDER_CD| PERSON_AGE_NBR| HOUSEHOLD_INCOME_ID | DOG_WHISPERER| DOGS_101|BAD_DOG|PUPPIES_VS_BABIES|PUPPY_BOWL".split("|")]

# 读取数据，处理竖线分隔和空行
df = pd.read_csv("dbfs/FileStore/shared_uploads/ebXXXXX.com/modified_uverse_data.txt", 
                 sep="|", 
                 skip_blank_lines=True, 
                 names=column_names,
                 skipinitialspace=True)  # 去除每个字段前后的空格（如果有的话）

# 查看导入的数据
print(df.head())

3. 原代码的修复版本（如果只是想逐行读取） #

如果你只是想测试逐行读取文件，修复语法错误后的代码如下：

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.cluster import KMeans

with open("dbfs/FileStore/shared_uploads/ebXXXXX.com/modified_uverse_data.txt") as mytxt:
    for line in mytxt:
        print(line.strip())  # strip()可以去掉每行末尾的换行符和空行

内容的提问来源于stack exchange，提问作者user22366511