如何使用pandas dataframe读取包含utf-8值的.csv文件

Question

我正在尝试读取一个包含utf-8数据的.csv文件，其中一些列是utf-8格式。使用pandas dataframe进行读取。代码如下：

df = pd.read_csv('Cancer_training.csv', encoding='utf-8')

接下来我会给你一些不同文件出现错误的示例：

(1) 'utf-8' 编码无法解码字节 0xcf，位置在第14位：无效的连续字节

(2) 'utf-8' 编码无法解码字节 0xc9，位置在第3位：无效的连续字节

您能否分享一下您对这种问题的想法和经验？谢谢。

[python: 3.4.1.final.0, pandas: 0.14.1]

以下是原始数据的样本，由于医疗数据的法律限制，我不能放出完整记录：

- Clinical

---

你能发布一些原始数据吗？另外，你使用的是哪个版本的pandas和python？ - EdChum

非常感谢您的快速回复。我已经更新了我的问题。期待您的友好反馈。 - Clinical

这是度符号的Unicode，这在我的机器上工作得很好，你可以将数据匿名化，只包括有问题的行，我们需要原始数据来复现你的问题。请注意，解析器报错是由于不同的编码方式：http://www.codetable.net/hex/cf 和 http://www.codetable.net/hex/c9。 - EdChum

再次问候您。很抱歉回复晚了，我被我的数据问题困住了。我会继续考虑您所提出的建议来解决我的问题。明天我会回来报告我的进展情况。祝您晚上愉快，EdChum先生。 - Clinical

希望你一切都好。我想向你报告我的最终结果。实际上，我尝试了所有不同的编码方式，因为我认为我的数据集中可能没有utf-8编码，但仍然存在问题。然而，我决定使用正则表达式清理我的一些数据集，并使用简单的Python代码处理其他数据集。再次感谢你的评论和时间。 - Clinical

Answer 1

我无缘无故遇到了这个问题，但通过以下方式解决了它：

df = pd.read_csv('file', encoding = "ISO-8859-1")

不过我不确定为什么。

- lrh09

---

我做了这个，它起作用了，但不确定为什么。 - paula.n

Answer 2

我也按照Irh09的建议进行了操作，但是它读取的第二个文件被错误解码，无法找到带有波浪符（á，é，í，ó，ú）的列。

因此，我建议像这样封装错误：

try:
    df = pd.read_csv('file', encoding = "utf-8")
except:
    df = pd.read_csv('file', encoding= "ISO-8859-1")

- Andoni Aranguren