Python 读取熊猫中以制表符分隔的文件时出现意外的换行

我正在尝试读取此处找到的文件的未压缩版本：

我正在使用Pandas和read_table函数；但是，某些行在选项卡之前包含文本OMIM:，这似乎会导致意外的换行。在OMIM:之后包含字符串的行似乎没有此问题

我假设：导致它以某种方式出现故障，但不确定如何解析它以正确读取行的其余部分。它还搞砸了导入Excel的过程，所以我相信它与文本有关

---

使用Python3和Pandas的最新版本

您的CSV文件包含空字节（即

b'\x00'

）。尽管文件有点大（100+MB），但它（可能）足够小，可以完全读入内存。因此，快速修复方法是使用以下方法删除空字节：

with open('variant_summary.txt', 'rb') as f, open('variant_summary-fixed.txt', 'wb') as g:
    content = f.read()
    content = content.replace(b'\x00', b'')
    g.write(content)

（如果文件太大，无法轻松放入内存，则必须阅读 并将文件分块编写——不是非常困难，但需要编写更多代码。）

一旦您拥有数据文件的固定版本variant_summary-fixed.txt，您就可以
按正常方式将其加载到熊猫中：

df = pd.read_table('variant_summary-fixed.txt', delimiter='\t') 

---

问题是某些行在

OMIM:

之后包含

'\x00'

符号（带有

0

ASCII码的字符）。您可以在任何十六进制编辑器中轻松看到它，只需查找十六进制代码

00

。。。因此，我想您需要预处理文件（删除/替换所有

'\x00'

）