pandasで様々なデータをデータフレームに読み込んでみよう(TSV編)

どうもヒノマルクです。
今回はCSVファイルではなくTSVとスペースで区切られたファイルを読み込んでみます。

import pandas as pd
pd.__version__

Out[0]

'1.3.4'

TSVを読み込む
スペース区切りもやってみる。
参照元

TSVを読み込む

# API reference: https://pandas.pydata.org/docs/reference/api/pandas.read_csv.html
df = pd.read_csv("/Users/hinomaruc/Desktop/notebooks/ドラえもん登場人物.tsv",header=None,names=["名前","誕生日"])
df

Out[0]




  
    
      
      名前
      誕生日
    
  
  
    
      0
      ドラえもん\t2112-9-3
      NaN
    
    
      1
      野比 のび太\t1964-8-7
      NaN
    
    
      2
      源 静香\t1964-5-2
      NaN
    
    
      3
      骨川 スネ夫\t1964-3-28
      NaN
    
    
      4
      剛田 武\t1964-6-15
      NaN

	名前	誕生日
0	ドラえもん\t2112-9-3	NaN
1	野比のび太\t1964-8-7	NaN
2	源静香\t1964-5-2	NaN
3	骨川スネ夫\t1964-3-28	NaN
4	剛田武\t1964-6-15	NaN

CSVファイルを読み込むときと同じコードを使いましたが、上手く読み込めませんでした。
これは区切り文字をきちんと認識できていないからです。
区切り文字がコンマ以外のファイルは明示的にsepオプションで区切り文字を指定してあげる必要があります。
今回のファイルはTSV(タブで分けられたファイル)なので、\tと指定してあげます。
(タブ区切り以外にもスペース、\001、|などで区切りられている場合もあります。)

df = pd.read_csv("/Users/hinomaruc/Desktop/notebooks/ドラえもん登場人物.tsv",header=None,names=["名前","誕生日"],sep="\t")
df

Out[0]

	名前	誕生日
0	ドラえもん	2112-9-3
1	野比のび太	1964-8-7
2	源静香	1964-5-2
3	骨川スネ夫	1964-3-28
4	剛田武	1964-6-15

今度はうまく読み込めました。

スペース区切りもやってみる。

df = pd.read_csv("/Users/hinomaruc/Desktop/notebooks/ドラえもん登場人物.space",header=None,names=["名前","誕生日"],sep=" ")
df

Out[0]

	名前	誕生日
0	ドラえもん	2112-9-3
1	野比	のび太
2	源	静香
3	骨川	スネ夫
4	剛田	武

「野比のび太」の間にスペースが存在するため、区切られてしまいました。
これを解決するためには、区切り文字を変更するか、「野比のび太」→ 「"野比のび太"」のようにダブルクオテーションで囲む必要があります。
今回は各登場人物の名前をダブルクオテーションで囲んだファイルを作成しました。

df = pd.read_csv("/Users/hinomaruc/Desktop/notebooks/ドラえもん登場人物.space2",header=None,names=["名前","誕生日"],sep=" ")
df

Out[0]