如何在Polars中使用"\s+"作为read_csv分隔符处理多空格数据？

问题原因 #

1. Polars的pl.read_csv默认不支持多字符或正则表达式作为分隔符（这和Pandas的行为不同），所以直接用sep='\s+'会触发长度超限的报错。
2. 你误用了orient='col'参数——Polars的read_csv并不包含这个参数，这也是导致读取结果异常的原因之一。

解决方案 #

根据你的文件情况，有两种可行的处理方式：

方式一：指定固定7个空格作为分隔符

既然文件的实际分隔符是连续7个空格，直接将sep设置为7个空格即可：

import polars as pl

df = pl.read_csv(file_dir, skip_rows=1, sep='       ')  # 此处为连续7个空格

方式二：用Python引擎支持正则分隔符

如果后续文件的分隔符可能是任意数量的空白（不局限于7个），可以指定engine='python'来启用正则表达式分隔：

import polars as pl

df = pl.read_csv(file_dir, skip_rows=1, sep=r'\s+', engine='python')

两种方式都能得到和Pandas一致的3行8列DataFrame。

内容的提问来源于stack exchange，提问作者8mrsteel