当从文本文件读取数据并先存入字符串列表、再构建 DataFrame 时，若直接将每行作为单个元素传入 pd.DataFrame()，会导致所有字段被压缩进一列；需在构造前按空格分割每行，或使用 str.split(expand=True) 实现列分离。
当从文本文件读取数据并先存入字符串列表、再构建 dataframe 时，若直接将每行作为单个元素传入 `pd.dataframe()`，会导致所有字段被压缩进一列；需在构造前按空格分割每行，或使用 `str.split(expand=true)` 实现列分离。
在实际数据处理中，常遇到格式不规整的固定宽度或空格分隔文本（如日志、遗留系统导出），无法直接用 pd.read_csv 的标准参数解析。此时，若必须通过“先读为字符串列表、再转 DataFrame”的流程，则关键在于确保每一行被正确拆分为多个字段，而非整体作为单个字符串。
✅ 正确做法一：在构建列表时即完成分割
import pandas as pd
data_list = []
with open('input.txt', 'r') as f:
for line in f:
# strip() 去首尾空白，split() 按任意空白符（空格/制表符）分割，并自动忽略连续空格
fields = line.strip().split()
data_list.append(fields)
# 构造 DataFrame，并指定列名（可选）
df = pd.DataFrame(data_list, columns=['a', 'b', 'c', 'd'])
print(df.shape) # (4, 4)
print(df)
?
str.split()默认以任意空白字符为分隔符，且自动跳过空字段（如多空格间无内容），非常适合处理此类松散对齐的文本。
✅ 正确做法二：先构建 Series，再用 str.split(expand=True)
with open('input.txt', 'r') as f:
data_list = [line.strip() for line in f]
# 转为 Series 后调用向量化字符串方法
df = pd.Series(data_list).str.split(expand=True)
df.columns = ['a', 'b', 'c', 'd'] # 可选：重命名列
该方法优势在于无需手动循环分割，且 expand=True 确保返回 DataFrame（而非嵌套 list）；即使某行字段数不一致，也能自动填充 NaN，提升鲁棒性（但需后续校验）。
⚠️ 注意事项
- 避免使用
line.split(' ')（显式指定空格）——它会把连续空格视为多个分隔符，产生空字符串字段； - 若字段含内嵌空格（如
"John Doe"），上述方法将失效，此时应改用pd.read_fwf()或正则str.extract()； - 原始示例中
040525开头的0被保留，若需数值型去前导零，可在构建后执行：df['a'] = df['a'].astype(int)； - 大文件场景下，推荐做法一（内存友好），做法二适合小到中等规模数据（依赖 Pandas 向量化优化）。
最终，DataFrame 将正确呈现为 4 行 × 4 列结构，列名清晰、字段独立，为后续清洗与分析奠定基础。
