单列CSV按固定空格拆分多列构建数据集的技术问询

我明白你的问题了——你的CSV是单列格式，用固定数量空格分隔，但第三列（c3）偶尔会带个空格，直接用简单的空格拆分肯定会把列拆乱。你之前的代码只取了首尾元素，根本没法得到中间的结构化数据，我给你几个实用的解决方案：

方法1：用正则表达式精确提取每一列（推荐，适配c3含空格的场景） #

正则表达式能精准匹配每一列的格式，不管c3有没有空格都能正确捕获。假设你的数据结构是：日期 数字c1 数字c2 可能含空格的c3 带逗号的数字c4 带逗号的数字c5...，可以用str.extract()来提取：

import pandas as pd

# 读取单列CSV，假设没有表头，自定义列名为'data'
df = pd.read_csv('your_file.csv', header=None, names=['data'])

# 定义正则表达式，每个括号对应一列，可根据实际格式调整
pattern = r'^(\d{2}/\d{2}/\d{2}) (\d+) (\d+) ([\w\s]+) ([\d,]+) ([\d,]+)'
# 提取列并转为DataFrame
extracted_df = df['data'].str.extract(pattern, expand=True)
# 给列命名
extracted_df.columns = ['date', 'c1', 'c2', 'c3', 'c4', 'c5']

# 如果有更多后续列，只需扩展正则表达式的捕获组即可

这里([\w\s]+)专门用来匹配c3，允许字母、数字和空格；[\d,]+则匹配带逗号的数值（比如样例里的4,7）。

方法2：拆分后合并指定列（适合明确c3位置的情况） #

如果确定c3是从第4个元素开始，到倒数第n个元素结束，可以先按任意连续空格拆分（避免连续空格产生空元素），再合并对应部分：

import pandas as pd

df = pd.read_csv('your_file.csv', header=None, names=['data'])

# 按任意连续空格拆分，得到每行的元素矩阵
split_data = df['data'].str.split('\s+', expand=True)

# 提取固定位置的列
df['date'] = split_data[0]
df['c1'] = split_data[1]
df['c2'] = split_data[2]
# 合并第3列到倒数第2列作为c3（假设最后两列是c4、c5）
df['c3'] = split_data.loc[:, 3:-2].apply(' '.join, axis=1)
df['c4'] = split_data[split_data.columns[-2]]
df['c5'] = split_data[split_data.columns[-1]]

# 移除原始的单列数据
df = df.drop('data', axis=1)

方法3：读取CSV时直接指定分隔符（仅适合c3不含空格的场景） #

如果你的c3大部分时候不带空格，或者可以先手动处理少数带空格的行，那么读取CSV时直接用多个空格作为分隔符是最省事的：

import pandas as pd

# sep='\s+'表示用任意连续空格作为分隔符，header=None表示无表头
df = pd.read_csv('your_file.csv', sep='\s+', header=None)
# 给列命名
df.columns = ['date', 'c1', 'c2', 'c3', 'c4', 'c5']

但要注意：如果c3含空格，这个方法会把c3拆成两列，导致列数混乱，所以只适合c3无空格的场景。

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