Pandas读取CSV生成NaN索引及避免无用列的技术问询

嘿，我来帮你搞定这个读取CSV的小麻烦！你的CSV每行都是A: X, B: Y的格式，用正则分隔时容易产生无用列和NaN，下面给你两种靠谱的解决办法：

方法1：直接提取目标值（最省心） #

这种方法先把每行内容读成一个字符串，再用正则精准抠出A和B的数值，完全绕开分隔符的坑：

import pandas as pd

# 先把每行数据整成一列，避免提前分割出错
df = pd.read_csv("test.csv", header=None, names=["raw"])

# 用正则提取A和B后面的数字，括号就是要捕获的目标值
df[["A", "B"]] = df["raw"].str.extract(r"A:\s*(\d+),\s*B:\s*(\d+)")

# 把提取到的字符串转成整数（如果是浮点数就用astype(float)）
df = df[["A", "B"]].astype(int)

print(df)

运行后你会得到干净的结果：

A   B
0  12  14
1   1   4
2   2   1
3  21  41

方法2：优化正则分隔符（直接读取时过滤无用列） #

如果你坚持想用sep参数分割，可以调整正则表达式，同时跳过不需要的空列：

import pandas as pd

# 正则匹配"A: "或者", B: "作为分隔符，注意engine要选python才支持复杂正则
df = pd.read_csv(
    "test.csv",
    sep=r"A:\s*|,\s*B:\s*",
    names=["", "A", "B"],  # 第一个空列对应分割后开头的空字符串
    engine="python",
    usecols=["A", "B"]  # 只保留我们需要的A和B列
)

# 转换数据类型
df = df.astype(int)
print(df)

为啥你原来的方法会出问题？ #

你一开始用的sep = ":\s*|,\s*"会把每行拆成4个部分：["A", "12", "B", "14"]，所以必须指定4个列名，自然就冒出了dummy1和dummy2这些没用的列。

至于你遇到的NaN问题，是因为你尝试的sep = "A:\s*|,\s*B:\s*"会把第一行拆成["", "12", "14"]，如果指定的列名数量和分割后的元素数对不上，Pandas就会自动补NaN。要么让列名数量匹配，要么直接用方法1的提取方式从根源避免这个问题～

内容的提问来源于stack exchange，提问作者Mr. T