Pandas读取表格数据时触发IndexError的问题咨询

问题场景 #

你有如下格式的空格分隔天文表格文件：

ID Ah Am  RAs  Ed Em  DEs   Vmag    U-B    B-V    V-I    e_    e_    e_    e_ _ _ _ _ mb n_ 2MASS
   1 10 42 57.6 -59 47 22.6 18.681         1.105  1.461 0.002       0.103 0.053 2 0 1 2       10425765-5947229
   2 10 42 57.7 -59 44 22.2 18.303                2.764 0.012             0.013 2 0 0 2
   3 10 42 57.7 -59 46 58.0 18.610                1.573 0.038             0.039 2 0 0 2       10425776-5946583
   4 10 42 57.8 -59 47 49.5 12.870         0.764  0.799 0.009       0.009 0.009 3 0 1 3       10425773-5947495
   5 10 42 57.8 -59 44 03.4 18.815         1.072  1.433 0.017       0.110 0.043 2 0 1 2
   6 10 42 57.8 -59 48 29.3 18.697                1.304 0.014             0.019 2 0 0 2       10425778-5948293
   7 10 42 57.8 -59 44 08.5 17.817         1.700  2.384 0.011       0.108 0.013 2 0 1 2       10425786-5944083

尝试用以下代码读取并打印Vmag列时触发IndexError：

df = pd.read_table('Hur_et_al_2012_catalog/table1.dat')
print(df.iloc[:, 7])

错误原因 #

pd.read_table默认使用制表符（\t）作为分隔符，但你的表格是多个空格分隔的，这会导致pandas把整行内容识别为单一列，DataFrame的列数远小于7，调用iloc[:,7]自然会超出索引范围。

解决方法 #

方法1：用正则匹配任意数量空格作为分隔符 #

使用pd.read_csv并指定sep='\s+'（匹配1个及以上空格），正确分割列：

import pandas as pd
df = pd.read_csv('Hur_et_al_2012_catalog/table1.dat', sep='\s+')
# 直接通过列名获取比索引更可靠
print(df['Vmag'])

方法2：用固定宽度格式读取（更适合天文表格） #

这类对齐的天文表格属于固定宽度格式，用pd.read_fwf可以自动推断列宽度，无需手动指定分隔符：

import pandas as pd
df = pd.read_fwf('Hur_et_al_2012_catalog/table1.dat')
print(df['Vmag'])

额外建议 #

尽量使用列名（如df['Vmag']）而非位置索引（如iloc[:,7]）获取数据，避免因列顺序变化导致的索引错误。

内容的提问来源于stack exchange，提问作者Dila