pandas.read_csv() 读取 CSV 文件乱码的排查与解决

问题背景

在使用 pandas.read_csv() 读取 CSV 文件时，经常遇到数据中的中文字符显示为乱码的情况。这通常是因为 CSV 文件的实际编码格式（如 GBK、UTF-8 等）与 pandas 默认使用的编码格式不一致，导致字符解析错误。

解决方案

方法一：直接指定 encoding 参数

如果知道 CSV 文件的编码格式，可以直接在 read_csv() 函数中通过 encoding 参数指定。常见的编码格式包括 'gbk'（简体中文 Windows 系统常用）和 'utf-8'（国际通用）。

import pandas as pd
# 假设文件编码为 GBK
df = pd.read_csv('data.csv', encoding='gbk')
print(df.head())

如果文件编码为 UTF-8，可以这样指定：

df = pd.read_csv('data.csv', encoding='utf-8')
print(df.head())

方法二：通过记事本转换文件编码

如果直接指定 encoding 参数后仍然报错（例如抛出 UnicodeDecodeError），说明文件的实际编码与猜测的不符，或者文件包含 BOM 等特殊字符。此时，可以通过系统自带的记事本工具来查看并转换文件的编码。

1. 打开文件：使用系统自带的“记事本”（Windows）或文本编辑器打开该 CSV 文件。
2. 另存为：点击“文件” -> “另存为”。
3. 选择编码：在“另存为”对话框中，找到“编码”选项。通常可以选择“UTF-8”或“ANSI”（对应 GBK）。根据文件实际内容选择合适的编码，例如将文件另存为 UTF-8 编码。
4. 重新读取：保存后，再次使用 pandas.read_csv() 读取该文件，并指定对应的 encoding='utf-8'。

# 假设已将文件另存为 UTF-8 编码
df = pd.read_csv('data.csv', encoding='utf-8')
print(df.head())

总结

解决 pandas.read_csv() 乱码问题的关键在于确保文件编码与读取参数一致。如果直接指定编码无效，通过记事本等工具转换文件编码是一种简单有效的补救措施。以上就是 pandas.read_csv() 乱码问题的详细内容，更多关于 Python 数据处理的文章请关注本站其它相关文章！