[Python知识库]ParserError: Error tokenizing data. C error: Expected 8 fields in line 8 saw 10 完整解决方案

ParserError: Error tokenizing data. C error: Expected 8 fields in line 8, saw 10
作者注：建议你先耐心阅读完此内容，然后参考解法对应修改；如果您只想知道具体修改内容可对比1.2节和第3部分内容直接修改程序。

1、错误

1.1、 报错内容截图

1.2 原代码${}^{[1]}$

import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
seeds = pd.read_csv('..\dataPractice/data/seeds_dataset.txt',sep="\t")
print('数据集形状为：', seeds.shape)
# 处理数据
seeds_data = seeds.iloc[:,:7].values
seeds_target = seeds.iloc[:,7].values
seeds_names = seeds.columns[:7]
stdScale = StandardScaler().fit(seeds_data)
seeds_dataScale = stdScale.transform(seeds_data)
# 构建并训练模型
kmeans = KMeans(n_clusters = 3, random_state=42).fit(seeds_data)
print('构建的K-Mneabs模型为：\n',kmeans)

2、分析

• 发现错误的时候就蒙了，第一反应，立马百度，或许某位大佬的博客有！！！（事实并非如此）
  • 解法一${}^{[2]}$：seeds = pd.read_csv('..\dataPractice/data/seeds_dataset.txt',sep="\t",error_bad_lines=False)
    实话实说，这个方法用了之后，还是会报错，但是不影响程序运行，本人有强迫症，所以继续寻找更合适的解决办法。
  • 解法二${}^{[3]}$：无意中看到engine='python',就想着既然报的是C error是不是可以把这行代码添加到程序里：seeds = pd.read_csv('..\dataPractice/data/seeds_dataset.txt',sep="\t",error_bad_lines=False,engine='python')`
    结果还是不行。
  • 重新思考问题，返回查看出现问题的代码，打开文件查看数据，经查是数据格式不规则（附下图），导致读取有错误。
    
    可以看出第8行数据并未对齐
    秃然脑子里蹦出个想法，sep="\t"其实就是正则表达式的意思，在读取数据的时候以一个制表符为间隔读取数据(sep : 输出文件的字段分隔符，默认为 “,”),只是第8行数据多了一个制表符，所以将sep="\t"替换为sep="\t+"，结果还会出现错误：
    
    仍然是C错误，所以添加上述解法二的代码：

seeds = pd.read_csv('..\dataPractice/data/seeds_dataset.txt',sep="\t+",engine='python')

发现与书本数据相比少了一个样本，输出后查看是因为第一行数据被当作行标题了，于是继续修改代码：

seeds = pd.read_csv('seeds_dataset.txt',header = None,sep="\t+",engine='python')

至此为止，大功告成！！！

3、附正确程序：

修改部分

seeds = pd.read_csv('seeds_dataset.txt',header = None,sep="\t+",engine='python')

完整程序

import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
seeds = pd.read_csv('seeds_dataset.txt',header = None,sep="\t+",engine='python')
print(seeds)
print('数据集形状为：', seeds.shape)
# 处理数据
seeds_data = seeds.iloc[:,:7].values
seeds_target = seeds.iloc[:,7].values
seeds_names = seeds.columns[:7]
stdScale = StandardScaler().fit(seeds_data)
seeds_dataScale = stdScale.transform(seeds_data)
# 构建并训练模型
kmeans = KMeans(n_clusters = 3, random_state=42).fit(seeds_data)
print('构建的K-Mneabs模型为：\n',kmeans)

[1]黄红梅, 张良均, 张凌, 施兴, 周东平. Python数据分析与应用[M].人民邮电出版社:, 201804.182-183.
[2] https://blog.csdn.net/shuiyixin/article/details/88930359
[3] https://blog.csdn.net/qq_43242266/article/details/103816278