使用熊猫从zip读取特定的csv文件

Question

这是我感兴趣的数据。

http://fenixservices.fao.org/faostat/static/bulkdownloads/Production_Crops_E_All_Data.zip

它包含3个文件：

我想用熊猫下载zip并从名为Production_Crops_E_All_Data.csv的1个文件创建DataFrame

import pandas as pd
url="http://fenixservices.fao.org/faostat/static/bulkdownloads/Production_Crops_E_All_Data.zip"
df=pd.read_csv(url)

熊猫可以下载文件，可以使用zip，当然也可以使用csv文件。但是如何处理包含多个文件的1个特定文件？

现在我得到了错误

ValueError ：（'在压缩的zip文件％s中找到多个文件）

此帖子未回答我的问题，因为我有1个zip文件中有多个文件 Read a zipped file as a pandas DataFrame

Answer 1

From this link

编辑：已将python3 StringIO更新为io.StringIO

编辑：更新了urllib的导入，将StringIO的用法更改为BytesIO。另外，您的CSV文件不是utf-8编码，我尝试了latin1并有效。

尝试

from zipfile import ZipFile
import io
from urllib.request import urlopen
import pandas as pd

r = urlopen("http://fenixservices.fao.org/faostat/static/bulkdownloads/Production_Crops_E_All_Data.zip").read()
file = ZipFile(io.BytesIO(r))
data_df = pd.read_csv(file.open("Production_Crops_E_All_Data.csv"), encoding='latin1')
data_df_noflags = pd.read_csv(file.open("Production_Crops_E_All_Data_NOFLAG.csv"), encoding='latin1')
data_df_flags = pd.read_csv(file.open("Production_Crops_E_Flags.csv"), encoding='latin1')

希望这会有所帮助！

Answer 2

您可以使用python的datatable，它是python中Rdatatable的重新实现。

读入数据：

from datatable import fread

#The exact file to be extracted is known, simply append it to the zip name:
 url = "Production_Crops_E_All_Data.zip/Production_Crops_E_All_Data.csv"

 df = fread(url)

#convert to pandas

 df.to_pandas()

您同样可以在数据表中工作；请注意，它不像熊猫那样功能丰富；但这是一个功能强大且非常快速的工具。

更新：您也可以使用zipfile模块：

from zipfile import ZipFile
from io import BytesIO

with ZipFile(url) as myzip:
    with myzip.open("Production_Crops_E_All_Data.csv") as myfile:
        data = myfile.read()

#read data into pandas
#had to toy a bit with the encoding,
#thankfully it is a known issue on SO
#https://stackoverflow.com/a/51843284/7175713
df = pd.read_csv(BytesIO(data), encoding="iso-8859-1", low_memory=False)