Python(Spyder)导入多空格分隔TXT数据失败，求解决方案

针对你遇到的多空格分隔TXT文件导入问题，以下是几种高效的解决方案：

方法一：用Pandas快速导入并选列 #

Pandas对这类不规则分隔的文件处理最省心，直接指定分隔符为任意空白字符即可：

import pandas as pd
# sep='\s+'匹配任意数量的空格或制表符，自动忽略行尾多余空格
df = pd.read_csv('C1.txt', sep='\s+', header=None)
# 按需选取列（示例选第0和第1列，索引从0开始）
selected_data = df.iloc[:, [0, 1]]
# 若需要numpy数组格式，直接转换
data_array = selected_data.values

这种方法自动处理多空格、行尾空格问题，还能直接通过iloc快速筛选目标列，后续分析绘图也更方便。

方法二：用Numpy导入的正确方式 #

如果习惯用Numpy，只需调整分隔符参数，避免手动指定单个空格：

import numpy as np
# delimiter=None让Numpy自动识别任意空白分隔符
data = np.loadtxt('C1.txt', delimiter=None)
# 选取目标列（示例选第0和第2列）
selected_data = data[:, [0, 2]]

如果存在少数行格式异常导致列数不一致，可用genfromtxt跳过错误行：

data = np.genfromtxt('C1.txt', delimiter=None, invalid_raise=False)
# 清理含NaN的异常行
data = data[~np.isnan(data).any(axis=1)]

为什么之前的方法会报错？ #

你之前用delimiter=' '时，Numpy会把每个单个空格当成分隔符，多个连续空格就会生成空字符串列，导致loadtxt无法将空字符串转为浮点数；genfromtxt则会因为每行分隔出的列数不一致抛出错误。而delimiter=None或sep='\s+'会自动把任意数量的空白字符视为一个分隔符，完美适配你的数据格式。

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