13、文件格式、编码、大小及命令行工具全解析

文件格式、编码、大小及命令行工具全解析

1. 文件格式

人们常常会将 CSV 和 TSV 文件与电子表格混淆，部分原因在于大多数电子表格软件（如 Microsoft Excel）会自动将 CSV 文件以表格形式显示在工作簿中。不过，Excel 文件与 CSV 和 TSV 文件的格式不同，在 Python 中读取这些格式的文件需要使用不同的 pandas 函数。

有三类餐厅源文件是 CSV 格式，而 DAWN 源文件则采用固定宽度格式（FWF）。

• 固定宽度格式（FWF）
  • FWF 格式不使用分隔符来分隔数据值，特定字段的值会出现在每行的相同位置。例如 DAWN 源文件，每行很长，以下是文件前五行的前几个字符展示：

dawn_path = Path() / 'data' / 'DAWN-Data.txt'
head(dawn_path, width=65)
     1 2251082    .9426354082   3 4 1 2201141 2 865 105 1102005 1
     2 2291292   5.9920106887   911 1 3201134 12077  81  82 283-8
     3 7 7 251   4.7231718669   611 2 2201143 12313   1  12  -7-8
     410 8 292   4.0801470012   6 2 1 3201122 1 234 358  99 215 2