如何使用 Pandas 数据框打开 CSV 文件。

Question

有一个包含三列数据的CSV格式文件。 第三列是长文本。 当我尝试使用pandas.read_csv打开该文件时，出现了此错误消息。

message : UnicodeDecodeError: 'utf-8' codec can't decode byte 0xa1 in position 0: invalid start byte.

但是使用以下方法打开文件没有问题：

with open('file.csv', 'r', encoding='utf-8', errors = "ignore") as csvfile:

我不知道如何将这些数据转换为数据帧，也不认为 pandas.read_csv 会正确处理这个错误。

那么，我该怎么打开这个文件并获得数据帧呢？

- Antenna_

---

你使用pandas.read_csv()时是否指定了编码，例如：pandas.read_csv(encoding="utf-8")？ - Toby Petty

使用 pandas.read_csv() - PraneetNigam

@woblers 是的，但我收到了相同的消息。 - Antenna_

笔误：read.csv() -> read_csv() - Antenna_

请在此处发布您的CSV文件样本-例如前5行。 - rnso

你也可以尝试其他编码方式。我发现有些情况下，“utf-8”适用于大多数库，但是令人费解的是，pandas更喜欢“latin-1”。 - jpp

Answer 1

尝试这个：

打开cvs文件，用文本编辑器确认以utf-8格式保存。

然后按照通常的方式读取文件：

import pandas
csvfile = pandas.read_csv('file.csv', encoding='utf-8')

- user8579087

Answer 2

我会尝试使用内置的CSV读取器，然后将数据放入pandas。

import csv
with open('eggs.csv', newline='') as csvfile:
     spamreader = csv.reader(csvfile, delimiter=' ', quotechar='|')
     for row in spamreader:
         print(', '.join(row))

如果这个方法不起作用，那么至少您可以确认这是一个 CSV 问题，而不是 Pandas 在编码上出现了问题。

另一个建议是确保您使用的是 Python 3.x，它比 2.7 更好地处理编码问题。

如果您能提供样本，我可以自己测试并相应地更新我的答案。

- james-see

Answer 3

您可以尝试使用“ISO-8859-1”作为另一个编码选项

在您的情况下：

with open('file.csv', 'r', encoding = 'ISO-8859-1', errors = "ignore") as csvfile:

或者尝试这个：

import pandas as pd
data_file = pd.read_csv("file.csv", encoding = "ISO-8859-1")
print(data_file)

- Shubham Yadav