Question

我正在尝试读取和写入数据帧到管道分隔文件。一些字符是非罗马字母（`，ç，ñ等）。但是当我尝试将重音写为ASCII时，它就会中断。

df = pd.read_csv('filename.txt',sep='|', encoding='utf-8')
<do stuff>
newdf.to_csv('output.txt', sep='|', index=False, encoding='ascii')

-------

  File "<ipython-input-63-ae528ab37b8f>", line 21, in <module>
    newdf.to_csv(filename,sep='|',index=False, encoding='ascii')

  File "C:\Users\aliceell\AppData\Local\Continuum\Anaconda3\lib\site-packages\pandas\core\frame.py", line 1344, in to_csv
    formatter.save()

  File "C:\Users\aliceell\AppData\Local\Continuum\Anaconda3\lib\site-packages\pandas\formats\format.py", line 1551, in save
    self._save()

  File "C:\Users\aliceell\AppData\Local\Continuum\Anaconda3\lib\site-packages\pandas\formats\format.py", line 1652, in _save
    self._save_chunk(start_i, end_i)

  File "C:\Users\aliceell\AppData\Local\Continuum\Anaconda3\lib\site-packages\pandas\formats\format.py", line 1678, in _save_chunk
    lib.write_csv_rows(self.data, ix, self.nlevels, self.cols, self.writer)

  File "pandas\lib.pyx", line 1075, in pandas.lib.write_csv_rows (pandas\lib.c:19767)

UnicodeEncodeError: 'ascii' codec can't encode character '\xb4' in position 7: ordinal not in range(128)

如果我将to_csv更改为utf-8编码，那么我无法正确读取该文件：

newdf.to_csv('output.txt',sep='|',index=False,encoding='utf-8')
pd.read_csv('output.txt', sep='|')

> UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb4 in position 2: invalid start byte

我的目标是使用竖线分隔的文件来保留重音符和特殊字符。

另外，有没有一种简单的方法可以找出read_csv在哪一行？现在我不知道如何让它向我展示坏人物。

Answer 1

检查答案here

这是一个更简单的解决方案：

newdf.to_csv("C:/tweetDF", sep='\t', encoding = 'utf-8')

Answer 2

您有一些不是ASCII的字符，因此无法按照您的尝试进行编码。我只会按照评论中的建议使用utf-8。

要检查导致问题的行，您可以尝试以下方法：

def is_not_ascii(string):
    return string is not None and any([ord(s) >= 128 for s in string])

df[df[col].apply(is_not_ascii)]

您需要指定正在测试的列col。

Answer 3

另一种解决方案是使用带有'ignore'选项的字符串函数编码/解码，但是它将删除非ASCII字符：

if(true) { throw new Exception("read failed"); }

Answer 4

尝试一下，就可以了

newdf.to_csv('filename.csv', encoding='utf-8')

pandas to_csv：ascii无法编码字符

4 个答案: