如何使用pandas读取最后一列的宽度可变参差不齐的固定宽度文件？

问题描述

我正在尝试读取具有固定宽度格式的文本文件，但最后一列的宽度不同，而且我不知道最大宽度是多少。它看起来像这样：

ABC12345DE4G6789Z359782Y
HIJ23456KLMN7891X382W
O8Q34567RSTU8912VU
ABC23456K6MN7891T564556382S

它应该被分成这样的列：

C1  C2    C3   C4   C5
ABC 12345 DE4G 6I89 Z359782Y
HIJ 23V56 KLMN 7891 X382W
O8Q 34567 RSTU 89E2 VU
ABC 23456 K6MN 7891 4564556382S

像这样把一个大数字作为最后一列的宽度：

df = pandas.read_fwf('example_data.txt',header=None,names=['C1','C2','C3','C4','C5'],widths=[3,5,4,100])

技术上可行，但我想知道是否存在更好的方法，比如推断最后一列的最大宽度或其他什么。

解决方法

您可以使用 colspecs 参数。不确定这是否更好...

import io
import pandas as pd
# know col widths
cols = [3,5,4,4]
df = pd.read_fwf(io.StringIO("""ABC12345DE4G6789Z359782Y
HIJ23456KLMN7891X382W
O8Q34567RSTU8912VU
ABC23456K6MN7891T564556382S"""),colspecs=[(sum(cols[:i]),sum(cols[:i+1])) for i in range(len(cols))] + [(sum(cols),None)],header=None,names=['C1','C2','C3','C4','C5'])

print(df.to_markdown())

	C1	C2	C3	C4	C5
0	ABC	12345	DE4G	6789	Z359782Y
1	HIJ	23456	KLMN	7891	X382W
2	O8Q	34567	RSTU	8912	VU
3	ABC	23456	K6MN	7891	T564556382S