使用GitHub数据集URL在Python读取CSV时遇ParserError的解决咨询

错误原因 #

• 你用的是GitHub仓库的网页展示URL，不是原始CSV文件的直接链接，Pandas读取到的是HTML页面内容而非纯CSV数据，解析时自然会出现字段数不匹配的Error tokenizing data错误。
• 代码里len(df, index_col=0)用法错误，len()函数不接受第二个参数，索引列应该在read_csv方法中指定。

修复步骤 #

1. 替换为原始CSV文件URL
   将GitHub文件页面URL中的blob/main替换为raw/main，就能拿到原始数据的直接链接：
   原URL：https://github.com/noghte/datasets/blob/main/apartments.csv
   修正后URL：https://github.com/noghte/datasets/raw/main/apartments.csv

2. 修正代码逻辑
   在pd.read_csv()中指定index_col参数，同时正确使用len()获取DataFrame的行数。

修正后的完整代码 #

import pandas as pd

url = "https://github.com/noghte/datasets/raw/main/apartments.csv"
df = pd.read_csv(url, index_col=0)
print(len(df))  # 输出DataFrame的行数
# 也可以用 df.shape[0] 获取行数

补充说明 #

GitHub的blob页面是带UI的HTML页面，包含导航栏、代码高亮等额外内容，并非纯CSV格式。只有通过raw链接才能获取到原始的CSV文本数据，Pandas才能正确解析。

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