Python / Pandas：如何在cp1252中读取要删除第一行的csv？ [英] Python/Pandas : how to read a csv in cp1252 with a first row to delete?
问题描述
请参见答案，它不是在CP1252中编码的，而是在UTF-16中编码的。解决方案代码为：
See answer, it was not encoded in CP1252 but in UTF-16 . Solution code is :
import pandas as pd
df = pd.read_csv('my_file.csv', sep='\t', header=1, encoding='utf-16')
也可用于 encoding ='utf-16-le'
更新：前3行的输出（以字节为单位）：
Update : output of the first 3 lines in bytes :
In : import itertools
...: print(list(itertools.islice(open('file_T.csv', 'rb'), 3)))
Out : [b'\xff\xfe"\x00D\x00u\x00 \x00m\x00e\x00r\x00c\x00r\x00e\x00d\x00i\x00 \x000\x005\x00 \x00j\x00u\x00i\x00n\x00 \x002\x000\x001\x009\x00 \x00a\x00u\x00 \x00m\x00e\x00r\x00c\x00r\x00e\x00d\x00i\x00 \x000\x005\x00 \x00j\x00u\x00i\x00n\x00 \x002\x000\x001\x009\x00\n', b'\x00"\x00\t\x00\t\x00\t\x00\t\x00\t\x00\t\x00\t\x00\t\x00\t\x00\n', b'\x00C\x00o\x00d\x00e\x00 \x00M\x00C\x00U\x00\t\x00I\x00m\x00m\x00a\x00t\x00r\x00i\x00c\x00u\x00l\x00a\x00t\x00i\x00o\x00n\x00\t\x00D\x00a\x00t\x00e\x00\t\x00h\x00e\x00u\x00r\x00e\x00\t\x00V\x00i\x00t\x00e\x00s\x00s\x00e\x00\t\x00L\x00a\x00t\x00i\x00t\x00u\x00d\x00e\x00\t\x00L\x00o\x00n\x00g\x00i\x00t\x00u\x00d\x00e\x00\t\x00T\x00y\x00p\x00e\x00\t\x00E\x00n\x00t\x00r\x00\xe9\x00e\x00\t\x00E\x00t\x00a\x00t\x00\n']
我正在处理原始格式为的csv文件：
I'm working with csv files whose raw form is :
问题在于它具有两个共同引起问题的功能：
The problem is that it has two features raising a problem together :
-
第一行不是标题
the first row is not the header
标题Entrée中带有重音符号，这会引起UnicodeDecode错误如果我不精确编码cp1252
There is an accent in header "Entrée", which raises an UnicodeDecode Error if I don't precise the encoding cp1252
我正在使用Python 3.X和熊猫处理这些文件。
I'm using Python 3.X and pandas to deal with these files.
但是当我尝试阅读时
import pandas as pd
df_T = pd.read_csv('file_T.csv', header=1, sep=';', encoding = 'cp1252')
print(df_T)
我得到以下输出（与 header = 0 相同）：
I get the following output (same with header=0):
为了正确读取csv，我需要：
In order to read the csv correctly, I need to :
- 消除重音
- 并忽略/删除第一行（无论如何我都不需要）。
如何实现？ p：
How can I achieve that ?
PS：我知道我可以为此制作VBA程序或其他东西，但是我宁愿
也不能。我有兴趣将其包含在我的Python程序或
中，以确保这是不可能的。
PS : I know I could make a VBA program or something for this, but I'd rather not. I'm interested in including it in my Python program, or in knowing for sure that it is not possible.
推荐答案
CP1252是普通的拉丁语代码页， 支持所有西欧口音。如果文件是用该代码页编写的，则不会出现乱码。
CP1252 is the plain old Latin codepage, which does support all Western European accents. There wouldn't be any garbled characters if the file was written in that codepage.
您发布的数据的图像就是图像。它没有任何有关文件原始格式的信息。它是UTF8文件吗？ UTF16？肯定不是不是 CP1252。
The image of the data you posted is just that - an image. It says nothing about the file's raw format. Is it a UTF8 file? UTF16? It's definitely not CP1252.
UTF8和CP1252都不产生NAN。 任何单字节代码页至少会读取数字，这意味着文件以多字节编码保存。
Neither UTF8 nor CP1252 would produce NANs either. Any single-byte codepage would read the numeric digits at least, which means the file is saved in a multi-byte encoding.
这两个开头的奇怪字符看起来像字节顺序标记。如果您选中 Wikipedia的BOM表条目，则会看到ÿþ 是UTF16LE的BOM。
The two strange characters at the start look like a Byte Order Mark. If you check Wikipedia's BOM entry you'll see that ÿþ is the BOM for UTF16LE.
尝试使用 utf-16 或 utf-16-le 而不是 cp1252
这篇关于Python / Pandas：如何在cp1252中读取要删除第一行的csv？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
