使用Pandas读取.txt文件时仅返回NaNs的问题求助

根据你提供的文件内容，这是**固定宽度格式（Fixed-Width）**的文本，并非制表符或单一空格分隔的CSV，因此sep="\t"无法正确识别列，导致返回全NaN。以下是几种可行的解决方法：

方法1：用pd.read_fwf()读取固定宽度文件 #

这是适配这类文件的最优方案，Pandas专门提供了读取固定宽度格式的函数：

import pandas as pd

# Pandas会自动推断列宽，直接读取
df = pd.read_fwf('s3://filepath', encoding='latin-1')

如果自动推断列宽不准确，可手动指定每列的起始/结束位置（根据实际文本的字符位置调整）：

# 示例列位置定义，需根据你的文件实际列宽修改
colspecs = [(0, 9), (10, 19), (20, 22), (23, 68), (69, 76), (77, 83), (84, 95), (96, 107), (108, 113), (114, 119), (120, 121)]
df = pd.read_fwf('s3://filepath', encoding='latin-1', colspecs=colspecs)

方法2：用正则表达式匹配任意数量空格作为分隔符 #

若不想用read_fwf，可在read_csv中设置分隔符为任意数量的空白字符：

import pandas as pd

df = pd.read_csv('s3://filepath', encoding='latin-1', sep=r'\s+')

注意：如果某列内容本身包含空格（比如示例中的Vacant Land Agricultural/Horticultural/Forest Vacant Land），此方法会将该列拆分为多列，这种场景下优先选择read_fwf。

方法3：手动清洗文本后再读取 #

如果上述方法仍有问题，可先读取文本并统一分隔符，再转为DataFrame：

import pandas as pd
from io import StringIO

# 读取文件内容
with open('s3://filepath', 'r', encoding='latin-1') as f:
    lines = f.readlines()

# 将连续多空格替换为单个制表符，清洗文本
cleaned_lines = []
for line in lines:
    # 先把多空格替换成单个制表符，再去除首尾空白
    cleaned_line = ' '.join(line.split()).replace(' ', '\t').strip()
    cleaned_lines.append(cleaned_line)

# 转为DataFrame
df = pd.read_csv(StringIO('\n'.join(cleaned_lines)), sep='\t')

内容的提问来源于stack exchange，提问作者kms