如何使用Pandas按空行拆分含前置跳行的textfile.qdp多数据集并分色绘图

你之前读取得到单DataFrame的根本原因，是设置了**skip_blank_lines=True：这个参数会让pandas直接跳过所有空行，完全丢失了用来标记不同数据集边界的分隔信息，自然没法区分独立数据集。
另外你参考的代码里出现的*dat**语法，是Python2时期的旧写法，在Python3环境下直接运行必然触发Invalid syntax报错，不能直接照搬适配。

1. 提前保留空行的边界信息 #

不要直接用pandas一把读全文件，先逐行遍历文件，把空行的位置记下来作为数据集的分割点，避免提前丢失分隔信息。
首先导入需要的库、定义列名：

import pandas as pd
import matplotlib.pyplot as plt
from io import StringIO

# 自定义8位列名
col_names = ['e', 'de', 'y', 'y_err', 'total', 'model1', 'model2', 'model3']

接着逐行读取文件、定位分割点：

file_path = "textfile.qdp"
# 读取文件内容
with open(file_path, 'r') as f:
    # 跳过开头3行无效内容
    for _ in range(3):
        f.readline()
    # 读取剩余所有行，保留原始空行的位置
    raw_lines = f.readlines()

# 找到所有空行的索引位置（即数据集分隔标识）
split_lines = [idx for idx, line in enumerate(raw_lines) if line.strip() == '']

# 按空行位置把内容切成独立的数据集块
dataset_blocks = []
block_start = 0
for split_pos in split_lines:
    # 跳过连续空行导致的空块
    if split_pos == block_start:
        block_start = split_pos + 1
        continue
    current_block = raw_lines[block_start:split_pos]
    if current_block: # 过滤掉长度为0的空块
        dataset_blocks.append(current_block)
    block_start = split_pos + 1
# 处理最后一个空行后面的收尾数据集
if block_start < len(raw_lines):
    dataset_blocks.append(raw_lines[block_start:])

2. 逐块生成独立DataFrame #

把每个拆分出来的行块转成临时字符串流，喂给pandas读取为独立DataFrame：

datasets = []
for block in dataset_blocks:
    # 把行块拼接成完整字符串，转成内存文件流
    block_content = ''.join(block)
    df = pd.read_csv(
        StringIO(block_content),
        sep=r'\s+', # 匹配任意长度的空格/制表符分隔，避免列错位
        names=col_names
    )
    datasets.append(df)

这里用\s+正则作为分隔符，比写死单空格更适配QDP格式文件的常见格式问题——比如多空格、制表符分隔的情况，不会导致列解析错位。

3. 分色绘制误差棒图 #

遍历生成的独立DataFrame列表，搭配不同配色绘制每个数据集的误差棒：

# 从内置色卡取不同颜色
plot_colors = plt.cm.tab10(range(len(datasets)))

plt.figure(figsize=(8, 6))
for idx, df in enumerate(datasets):
    plt.errorbar(
        x=df['e'],
        y=df['y'],
        xerr=df['de'],
        yerr=df['y_err'],
        fmt='o',
        color=plot_colors[idx],
        capsize=3,
        label=f'数据集 {idx+1}'
    )

plt.xlabel('e')
plt.ylabel('y')
plt.legend()
plt.show()

• 不要在最开始用read_table的时候就开启skip_blank_lines=True，这个参数会彻底删除空行的位置信息，完全失去拆分边界的依据。
• 不要直接照搬带*dat的旧示例代码，那是Python2的文件解包写法，在Python3中会触发语法错误。
• 如果存在连续多个空行分隔数据集的情况，上面的代码已经做了兼容处理，不会生成空的无效DataFrame。

内容的提问来源于stack exchange，提问作者Py-ser