使用Pandas读取空格分隔CSV文件时，如何处理字段内包含空格的问题

这个问题很典型——当CSV的分隔符和字段内部的空格冲突时，直接用sep='\s+'分割就会拆坏像New York、Las vegas这类包含空格的字段。我给你几个可行的解决方案：

方法1：使用固定宽度格式读取（最简便） #

你的数据格式刚好适合固定宽度的文本文件：Name是短字符串，Age是两位数字，剩下的内容全部属于City。Pandas的read_fwf()函数可以自动识别这种固定宽度的列结构，完美解决问题：

import pandas as pd
df = pd.read_fwf('users_5.csv')
print("Contents of Dataframe :")
print(df)

运行后就能得到你期望的DataFrame输出，这个方法无需额外配置，对这类格式的文件最友好。

方法2：自定义行分割逻辑（灵活适配复杂场景） #

如果你的数据格式不确定固定宽度，可以用Python内置的csv模块先手动处理每行数据，再转成DataFrame：

import pandas as pd
import csv

data_rows = []
with open('users_5.csv', 'r') as file:
    # 按空格读取，会把连续空格拆成空元素
    csv_reader = csv.reader(file, delimiter=' ')
    # 获取表头
    header = next(csv_reader)
    for row in csv_reader:
        # 过滤掉空字符串
        cleaned = [item for item in row if item]
        # 前两个元素是Name和Age，剩下的合并为City
        name, age = cleaned[:2]
        city = ' '.join(cleaned[2:])
        data_rows.append([name, age, city])

# 转成DataFrame
df = pd.DataFrame(data_rows, columns=header)
print("Contents of Dataframe :")
print(df)

这种方法适合更复杂的场景，比如字段长度变化大，但前N个字段是确定不含空格的情况。

方法3：正则表达式分隔符（精准匹配分隔位置） #

可以用正则表达式指定仅在数字（Age字段）后面的空格处分割，这样就不会破坏City字段里的空格：

import pandas as pd
# 正则表达式含义：匹配数字后面的一个或多个空格作为分隔符
df = pd.read_csv('users_5.csv', sep='(?<=\d)\s+', engine='python')
print("Contents of Dataframe :")
print(df)

这里的(?<=\d)是正向断言，确保分隔符前面是数字（也就是Age字段的结尾），只会把Age和City之间的空格当作分隔符，完美保留City内部的空格。

内容的提问来源于stack exchange，提问作者grinim