如何正确读取含空列项的TXT文件为Pandas DataFrame？

问题场景 #

给定以下格式的TXT文件，明确包含球队、编号、球员名、国家四列，其中部分行的球员名列为空：

Arsenal     123                             UK
Barcelona   456    Marc-Andre Ter Stegen    ES
Chelsea     789    Ceasr Azpilicueta        UK

直接用str.split()按多空格分割时，会出现国家代码错位到第三列的问题，目标是得到如下结构化DataFrame：

解决方案 #

方法1：用read_fwf解析固定宽度文件（推荐）

该文件本质是固定宽度格式，直接指定列宽度即可精准解析：

import pandas as pd

# 根据文本实际列宽定义，可按需调整
column_widths = [10, 6, 25, 3]
df = pd.read_fwf('your_file.txt', widths=column_widths, names=['球队', '编号', '球员名', '国家'])

# 将空白字符串转换为标准空值
df['球员名'] = df['球员名'].str.strip().replace('', pd.NA)
print(df)

方法2：正则分割+列修正

如果无法确定固定宽度，可用正则匹配分割后修正错位列：

import pandas as pd

# 按多空格分割，但保留含空格的球员名（正则确保分割逻辑适配列结构）
df = pd.read_csv('your_file.txt', header=None, sep=r'\s+(?=\S)', engine='python')

# 修正行结构：仅3个元素的行，将第三列移至第四列，第三列设为空
def fix_row(row):
    if len(row.dropna()) == 3:
        return pd.Series([row[0], row[1], pd.NA, row[2]])
    return row

df = df.apply(fix_row, axis=1)
df.columns = ['球队', '编号', '球员名', '国家']
print(df)

内容的提问来源于stack exchange，提问作者Jacky Man