You need to enable JavaScript to run this app. 如何使用Pandas正确读取UCI机器学习存储库的数据集?
优惠活动
大模型
产品
解决方案
定价
更多

如何使用Pandas正确读取UCI机器学习存储库的数据集?

问题核心原因

你遇到的解析问题本质是文件结构和解析规则不匹配,可通过报错信息反向推导定位:

  • 首次调用pd.read_table(path)时,函数默认按制表符(\t)分割字段,而整个文件内不存在制表符,所有内容(包括开头的说明文本、后续的结构化数据)都被识别为单列,出现字段未拆分的读取异常。
  • 第二次设置sep=','触发报错的原因:解析器逐行读取时,前3行是无逗号的纯文本说明,按逗号分割后每行只有1个字段;因为你设置了header=None,解析器会把第一行的字段数作为全文件的统一预期,当读到第4行的结构化数据(该行含18个逗号,拆分后共19个字段)时,因为字段数和预期的1个不匹配,直接触发解析报错。
  • 该数据集的实际结构为:开头3行是纯文本格式的元说明,从第4行开始是逗号分隔的结构化数据,逗号后会跟随空格分隔列名和数值。

正确读取方案

匹配文件实际结构调整解析参数即可,无需提前下载文件到本地,完整可运行代码如下:

import pandas as pd

path = 'http://archive.ics.uci.edu/ml/machine-learning-databases/image/segmentation.data'
df = pd.read_table(
    path,
    sep=',',  # 匹配结构化数据的逗号分隔规则
    skiprows=3,  # 跳过开头3行非结构化的纯文本说明
    header=0,  # 将跳过行之后的第一行设置为数据列名
    skipinitialspace=True  # 自动去除分隔符后跟随的多余空格,避免列名/值带冗余前缀
)

读取结果校验

正常解析完成后可通过以下方式验证正确性:

  • 查看数据形状df.shape,正常结果应为(210, 20):共210个样本,19个数值特征列 + 1个类别标签列
  • 查看前5行内容df.head(),所有字段应正常拆分到独立列,不会出现所有内容挤在同一列的异常情况

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

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.26 20:45:06