如何用NumPy/Pandas修复bballreference导入的单列CSV数据

嘿，我碰到过类似的情况！从bballreference导出的CSV有时候会因为网站的导出逻辑出现这种格式问题——所有数据挤在同一行，根本没法用。别担心，用Pandas就能轻松搞定，给你两种简单的修复方法：

方法一：先清理内容再读取（直观易懂） #

这个方法先把格式混乱的内容转换成标准CSV，再用Pandas读取，新手也能快速理解：

import pandas as pd
from io import StringIO

# 替换成你的CSV文件路径
file_path = "your_bball_data.csv"

# 读取原始文件内容
with open(file_path, "r") as f:
    raw_content = f.read()

# 把被双引号包裹的每一行拆出来，清理掉多余的引号和空格
clean_rows = [block.strip() for block in raw_content.split('"') if block.strip()]
# 把清理后的行拼接成标准CSV格式
clean_csv = "\n".join(clean_rows)

# 读取处理后的CSV，设置header=[0,1]来处理bballreference的多级表头（第一行是分组，第二行是具体列名）
df = pd.read_csv(StringIO(clean_csv), header=[0, 1])

# 看看处理后的结果
print(df.head())

方法二：直接用Pandas参数处理（更简洁） #

如果你不想手动处理文本，也可以通过调整read_csv的参数直接读取，一步到位：

import pandas as pd

df = pd.read_csv(
    "your_bball_data.csv",
    sep='"',          # 按双引号分割内容
    skipinitialspace=True,  # 跳过引号后面的空格
    header=None       # 先不自动识别表头，后续手动处理
).dropna(axis=1, how='all')  # 删除全是空值的列

# 过滤掉空行，只保留有效数据行
df = df[df[1].notna()]

# 把每行的逗号分隔内容拆成单独的列
df = df[1].str.split(',', expand=True)

# 设置多级表头：第一行是分组（Totals/Shooting/Per Game），第二行是具体列名
df.columns = pd.MultiIndex.from_arrays([df.iloc[0], df.iloc[1]])

# 去掉表头行，重置索引
df = df.drop([0, 1]).reset_index(drop=True)

# 可选：把数值型列转换成正确的数据类型（默认是字符串）
df = df.apply(pd.to_numeric, errors='ignore')

# 查看结果
print(df.head())

为啥会出现这个问题？ #

从你提供的CSV内容来看，这个文件的格式有点奇葩：每一行原本的数据都被双引号包裹，行与行之间用空格分隔，而不是标准的“每行一条记录、逗号分隔列”的CSV格式。这应该是bballreference导出时的小bug，导致Pandas默认的读取规则没法正确识别行和列的分隔符，所以才会把所有内容挤到同一行里。

两种方法都能解决问题，选你觉得顺手的就行～

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