用read_csv讀數(shù)據(jù)遇到分隔符問題的兩種解決方式

import pandas as pd

1.更改read_csv函數(shù)中的傳參“sep”

1.1缺省sep參數(shù)

默認(rèn)分隔符為‘，’

1.2不缺省sep參數(shù)

1.2.1要讀入的文檔中分隔符為一位字符

用單引號(hào)括起文本中的分隔符

例：sep = '|'

1.2.2要讀入的文檔中分隔符為多位字符

多位字符在python中被識(shí)別為正則式

此時(shí)可用為sep = ‘\s+’(不論多位分隔符有什么組成，比如幾個(gè)空格、\r\t）

此時(shí)，python將用自己的語法分析器來對(duì)多位字符進(jìn)行識(shí)別

2.利用記事本功能進(jìn)行分隔符替換

因?yàn)樽约涸诰幊痰臅r(shí)候用正則表達(dá)式出現(xiàn)了一些問題，故找到了另一種更改文本中分隔符，以便于設(shè)定sep參數(shù)的方法，現(xiàn)記錄如下。

2.1利用txt中的“編輯”—>“替換”操作

當(dāng)前分隔符為‘,’

替換為‘ | ’，并單擊全部替換

替換后，分隔符為‘ | ’

2.2小tips

選擇分隔符的時(shí)候有可能面臨

“這么大空擋是幾個(gè)空格？”

“這個(gè)逗號(hào)是中文的還是英文的？”

…

所以建議直接用鼠標(biāo)拉著兩個(gè)數(shù)據(jù)之間的分割區(qū)域，復(fù)制，然后粘貼填入要替換的框中。（像我這種手殘眼花的人就喜歡這種方式。。。）

補(bǔ)充：Python read_csv 報(bào)錯(cuò):‘gbk‘ codec can‘t decode byte 0xb4 in position 8: illegal multibyte sequence

在我們使用pandas.read_csv()讀取文件時(shí) 經(jīng)常會(huì)遇到UnicodeDecodeError 的錯(cuò)誤

我遇到的主要有兩種:

UnicodeDecodeError: 'gbk' codec can't decode byte 0xb4 in position 8: illegal multibyte sequence

或者

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xbc in position 2: invalid start byte

嘗試過改encoding="gbk",encoding="utf-8"或者GB2312、gbk、ISO-8859-1的方法，有時(shí)候能夠起效果，有時(shí)候不行

介紹一種最有效的方法：??????

1.找到csv文件–>右鍵–>打開方式–>記事本

2.打開記事本之后，在右下角可以看到文件的默認(rèn)編碼格式為ANSI，選擇頭部菜單的“文件–>另存為”，

3.選擇編碼下拉框，選擇需要的編碼格式UTF-8，重新保存即可

4.使用 read_csv('./test.csv', encoding="utf-8") 即可

下面我遇到過錯(cuò)誤可以嘗試的解決辦法如下（推薦使用上面的，下面的有時(shí)候也不行）：

1. csvdata = pd.read_csv(file, keep_default_na=False, encoding="gbk")

報(bào)錯(cuò)：

UnicodeDecodeError: 'gbk' codec can't decode byte 0xb4 in position 8: illegal multibyte sequence

解決：將 encoding="gbk" 改為encoding="utf-8" 或者刪掉

2. csvdata = pd.read_csv(file, keep_default_na=False)

報(bào)錯(cuò)：

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xbc in position 2: invalid start byte

解決：加上 encoding="gbk" 試試看

總結(jié)

到此這篇關(guān)于Python使用read_csv讀數(shù)據(jù)遇到分隔符問題的2種解決方式的文章就介紹到這了,更多相關(guān)Python read_csv讀數(shù)據(jù)分隔符問題內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論