Bagaimanakah Saya Boleh Menyelesaikan UnicodeDecodeError Semasa Membaca Fail CSV dalam Panda?

UnicodeDecodeError: Menyelesaikan Isu Pengekodan Semasa Membaca Fail CSV dalam Panda

Pengenalan

Bekerja dengan Fail CSV selalunya memberikan cabaran pengekodan, terutamanya apabila menemui aksara yang tidak disokong dengan pengekodan lalai. Pandas, perpustakaan manipulasi data yang popular dalam Python, menyediakan kaedah read_csv() untuk mengimport data daripada fail CSV. Walau bagaimanapun, kaedah ini kadang-kadang boleh menemui UnicodeDecodeError apabila berurusan dengan aksara yang dikodkan Unikod.

Analisis Ralat

Mesej ralat yang disediakan menunjukkan bahawa kaedah read_csv() sedang bergelut untuk menyahkod bait dalam fail menggunakan pengekodan UTF-8 lalai. Bait kesinambungan yang tidak sah menunjukkan bahawa fail mungkin telah dikodkan menggunakan pengekodan yang berbeza.

Menyelesaikan Isu

Untuk menyelesaikan ralat ini, anda boleh menentukan pengekodan secara eksplisit apabila membaca fail CSV. Pandas menyediakan parameter pengekodan untuk tujuan ini. Pendekatan berikut boleh digunakan:

• Pengekodan ISO-8859-1:
  Gunakan pengekodan ISO-8859-1, yang biasa digunakan untuk Barat watak Eropah set:

  data = pd.read_csv(filepath, encoding="ISO-8859-1")

• Pengekodan UTF-8:
  Sebagai alternatif, cuba gunakan pengekodan UTF-8, yang sesuai untuk set aksara seluruh dunia:

  data = pd.read_csv(filepath, encoding="utf-8")

Alias ​​lain untuk ISO-8859-1, seperti 'latin' atau 'cp1252', boleh juga digunakan. Rujuk dokumentasi Pandas atau dokumentasi Python untuk senarai komprehensif pengekodan yang disokong.

Mengesan Pengekodan Fail

Jika anda tidak pasti tentang pengekodan fail CSV, anda boleh menggunakan alatan seperti enca, fail -i pada Linux, atau fail -I pada macOS untuk menentukan yang betul pengekodan.

Sumber Tambahan

• [Dokumentasi Pandas read_csv()](https://pandas.pydata.org/pandas-docs/stable/reference /api/pandas.read_csv.html)
• [Modul csv Python Contoh](https://docs.python.org/3/library/csv.html#examples)
• [Apa Yang Setiap Pembangun Patut Tahu Mengenai Unikod dan Set Aksara](https://unicode.org/ reports/tr15/)

Atas ialah kandungan terperinci Bagaimanakah Saya Boleh Menyelesaikan UnicodeDecodeError Semasa Membaca Fail CSV dalam Panda?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!