导入文本文件：没有要从文件中解析的列

我正在尝试从 sys.stdin 获取输入。这是hadoop 的map reducer 程序。输入文件为txt格式。数据集预览：

196 242 3   881250949
186 302 3   891717742
22  377 1   878887116
244 51  2   880606923
166 346 1   886397596
298 474 4   884182806
115 265 2   881171488
253 465 5   891628467
305 451 3   886324817
6   86  3   883603013
62  257 2   879372434
286 1014    5   879781125
200 222 5   876042340
210 40  3   891035994
224 29  3   888104457
303 785 3   879485318
122 387 5   879270459
194 274 2   879539794
291 1042    4   874834944

我一直在尝试的代码 -

import sys
df = pd.read_csv(sys.stdin,error_bad_lines=False)

我也尝试过delimiter = \t, header=False,defining column name似乎没有任何作用，我收到的错误是这个错误：

[root@sandbox lab]# cat /root/lab/u.data | python /root/lab/mid-1-mapper.py |python /root/lab/mid-1-reducer.py
Traceback (most recent call last):
  File "/root/lab/mid-1-reducer.py", line 8, in <module>
    df = pd.read_csv(sys.stdin,delimiter='\t')
  File "/opt/rh/python27/root/usr/lib64/python2.7/site-packages/pandas/io/parsers.py", line 645, in parser_f
    return _read(filepath_or_buffer, kwds)
  File "/opt/rh/python27/root/usr/lib64/python2.7/site-packages/pandas/io/parsers.py", line 388, in _read
    parser = TextFileReader(filepath_or_buffer, **kwds)
  File "/opt/rh/python27/root/usr/lib64/python2.7/site-packages/pandas/io/parsers.py", line 729, in __init__
    self._make_engine(self.engine)
  File "/opt/rh/python27/root/usr/lib64/python2.7/site-packages/pandas/io/parsers.py", line 922, in _make_engine
    self._engine = CParserWrapper(self.f, **self.options)
  File "/opt/rh/python27/root/usr/lib64/python2.7/site-packages/pandas/io/parsers.py", line 1389, in __init__
    self._reader = _parser.TextReader(src, **kwds)
  File "pandas/parser.pyx", line 538, in pandas.parser.TextReader.__cinit__ (pandas/parser.c:5896)
pandas.io.common.EmptyDataError: No columns to parse from file

但是，如果当我直接在 python 中尝试（而不是在 hadoop 中）时，它工作得很好。

我尝试查看 stackoverflow 帖子，其中一篇帖子建议尝试并排除。应用后，我会得到一个空文件。 有人可以帮忙吗？谢谢

使用 try 和 except 只是让你在出现错误的情况下继续并处理它们。它不会神奇地修复你的错误。

read_csv期望csv文件，您的输入显然不是。快速浏览一下文档：

delim_whitespace : 布尔值，默认 False

指定是否将空格（例如“ ”或“ ”）用作分隔符。相当于设置 sep='+s'。如果此选项设置为 True，则不应为分隔符参数传递任何内容。

这似乎是正确的论点。使用

pandas.read_csv(filepath_or_buffer, delim_whitespace=True).

Using delimiter='\t'也应该有效，除非选项卡被展开（用空格替换）。因为我们无法真正判断，delim_whitespace似乎是更好的选择。

如果这没有帮助，只需打印出您的sys.stdin检查您是否正确传递文本。

编辑： 我刚刚看到你用

cat /root/lab/u.data | python /root/lab/mid-1-mapper.py |python /root/lab/mid-1-reducer.py

这是故意的吗，这样mid-1-reducer.py处理输出mid-1-mapper.py。如果你想处理文件的内容u.data考虑读取文件而不是sys.stdin.