使用Pandas导入clinton1.dat时因多词名称列偏移，如何批量修复？

这个问题我之前也碰到过，本质是你误解了原始文件的格式——它不是逗号分隔的CSV，而是**固定宽度格式（Fixed-Width Format）**的文件，直接改后缀成CSV然后用pd.read_csv()读取，自然会因为带空格的地区名被拆分成多列，导致整体列偏移。下面给你两种靠谱的解决方法：

方法一：直接读取原始.dat文件（推荐） #

固定宽度文件的每一列都有固定的字符宽度，Pandas专门提供了pd.read_fwf()函数来处理这类文件，它会自动识别列的边界，完美解决带空格字段的拆分问题：

import pandas as pd

# 直接读取公开的dat文件，无需转成csv
clinton = pd.read_fwf("http://users.stat.ufl.edu/~winner/data/clinton1.dat")

如果自动识别列宽出现小问题，你可以先查看文件前几行的结构，手动指定列的范围：

# 先读取前5行，用repr()显示字符位置，方便确定列宽
with open("clinton1.dat", "r") as f:
    for _ in range(5):
        print(repr(f.readline()))

根据输出的字符位置，用colspecs参数指定每一列的起始和结束索引：

# 示例：假设地区名占0-19位，下一列占20-24位，以此类推
clinton = pd.read_fwf(
    "clinton1.dat",
    colspecs=[(0, 20), (20, 25), (25, 30)]  # 替换成你实际观察到的列范围
)

方法二：修复已转成csv的文件（仅作备选） #

如果你已经把文件转成了CSV，也可以通过预处理文本的方式合并被拆分的地区列。但注意：这个方法仅适用于所有地区名都是两个词的情况，如果存在单个词的地区名，会错误合并列：

import pandas as pd
from io import StringIO

# 读取已转好的csv文件内容
with open("C:/Users/Mateusz/Downloads/ML_DS-20180523T193457Z-001/ML_DS/clinton1.csv", "r") as f:
    lines = f.readlines()

# 处理每一行：合并前两个空格分隔的部分作为地区名，其余部分保留
processed_lines = []
for line in lines:
    parts = line.strip().split()
    # 合并前两个元素为完整地区名
    region = " ".join(parts[:2])
    # 剩下的元素作为其他列
    rest_columns = parts[2:]
    # 重新拼接成逗号分隔的行
    processed_line = ",".join([region] + rest_columns)
    processed_lines.append(processed_line)

# 用StringIO把处理后的文本转成可读取的对象，再用read_csv读取
clinton = pd.read_csv(StringIO("\n".join(processed_lines)))

总结来说，方法一直接处理原始固定宽度文件是最稳妥的，避免了格式转换带来的额外问题。

内容的提问来源于stack exchange，提问作者Mrowkacala