Question

看来,花板只能让单一特性的限定者/分离者。

是否允许使用像、“:”或“%”这样的特征?

我尝试:
。

df.to_csv(local_file,  sep =  :: , header=None, index=False)

加入:

TypeError: "delimiter" must be a 1-character string

Answer 1

Use numpy-savetxt

注

np.savetxt(file.csv, np.char.decode(chunk_data.values.astype(np.bytes_),  UTF-8 ), delimiter= ~| , fmt= %s ,encoding=None)

np.savetxt(file.dat, chunk_data.values, delimiter= ~| , fmt= %s ,encoding= utf-8 )

Answer 2

想到这一行文:a:b:c系指标准CSV工具:a,一栏空栏,b,一栏空栏,及/code>。即便是在引证或教唆的更复杂的情况下:abc:def”:2 系指abc:def, 空栏和2。

因此,你们必须做的是在每个栏目之间增加一个空栏,然后使用<条码>:作为限定词,产出几乎是你想要的。

我说“几乎”是因为Pandas将引证或逃脱单一殖民地。视辩证方案而定,你使用的手段以及你试图与外界互动的工具,可能不会成为问题。没有必要的引文通常不成问题(除非你要求QUOTE_ALL,因为你的栏目将用<代码>分离:“,因此希望你无需选择方言”,但没有必要的越狱可能(例如,你可能最终用每条<>:,在一条形形形形形形形形形形形形形形形形形形色色色码中)。因此,你们必须仔细考虑这些选择。但是,它为基本“根据需要引用,大多数是标准的其他选择”环境付出了代价。

Answer 3

目前,我被困在老式的安达。我的任务是阅读“......”限定语,清除个人识别信息,并将结果写上新的档案。我需要这样的结果,才能有同样的双领。

我的首选解决办法是,像这样,转换为消费和挽救:

df = pandas.read_csv("patient_patient-final.txt", sep="__", engine="python")

# remove personal identifying info from dataframe

massaged = df.drop([ paternal_last ,  maternal_last ,  first ,  middle ,  suffix ,  prefix ,  street1 ,  street2 ,  phone1 ,  phone2 ,  email ,  emergencyfullname ,  emergencyphone ,  emergencyemail ,  curp ,  oldid ], axis=1)
np_data = massaged.to_numpy()
np.savetxt("patient_massaged.txt", np_data, fmt="%s", delimiter="__")

然而,在Pandas I的版本中,到_numpy()没有支持。

因此,我的定点是用“}”制成一个星体,以“}”作为限定语,但以变数计者除外,代之以直,自行撰写:

df = pandas.read_csv("patient_patient-final.txt", sep="__", engine="python")

# remove personal identifying info from dataframe

massaged = df.drop([ paternal_last ,  maternal_last ,  first ,  middle ,  suffix ,  prefix ,  street1 ,  street2 ,  phone1 ,  phone2 ,  email ,  emergencyfullname ,  emergencyphone ,  emergencyemail ,  curp ,  oldid ], axis=1)

x = massaged.to_csv(sep="}", header=False, index=False)
x = x.replace("}", "__")

f=open("patient_massaged.txt", "w")
f.write(x)
f.close()

友情链接