如何从链接正确导入数据？pandas读取GitHub txt文件遇异常

问题根源是你用的是GitHub的网页展示链接，而非原始数据文件的直接链接。GitHub的blob页面是HTML格式，不是纯文本，pandas读取时会把网页代码当成数据解析，自然会出现字段数不匹配、行数异常的问题。

解决步骤： #

• 替换为原始数据URL：在GitHub文件页面点击右上角的「Raw」按钮，获取纯文本格式的链接。你提供的链接对应的原始URL是：https://github.com/DemeulemeesterT/GOSMI/raw/main/Benchmark%20instances%20arXiv%2003_01_2021/50%20agents%20-%2050%20objects/Data50_50_10_P.txt
• 调整pandas读取参数：数据是空格分隔的矩阵，需指定分隔符为任意空白字符，同时保留跳过前4行注释的设置。

修改后的代码：

import xpress as xp
import numpy as np
import pandas as pd

agents_assining = xp.problem()

# 替换为原始数据链接
url_X = 'https://github.com/DemeulemeesterT/GOSMI/raw/main/Benchmark%20instances%20arXiv%2003_01_2021/50%20agents%20-%2050%20objects/Data50_50_10_P.txt'
# 使用sep='\s+'匹配任意数量的空格/制表符，适配矩阵数据格式
X = pd.read_csv(url_X, index_col=None, skiprows=4, header=None, sep='\s+')

# 验证行数：输出应为50
print(X.shape[0])

关键说明： #

• sep='\s+'：匹配任意数量的空格或制表符，完美适配矩阵数据的分隔格式
• 原始链接确保pandas读取的是纯文本数据，而非GitHub的网页HTML代码
• 无需设置error_bad_lines=False，因为原始数据是规范的50×50矩阵

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