Python/Pandas：如何读取 cp1252 中的 csv 并删除第一行？

Question

解决方案 ：

\n

查看答案，它不是以 CP1252 编码，而是以 UTF-16 编码。解决方案代码是：

\n

import pandas as pd\n\ndf = pd.read_csv(\'my_file.csv\', sep=\'\\t\', header=1, encoding=\'utf-16\')\n

\n

还适用于encoding=\'utf-16-le\'

\n

---

\n

更新：前 3 行的输出（以字节为单位）：

\n

In : import itertools \n...:  print(list(itertools.islice(open(\'file_T.csv\', \'rb\'), 3)))\n\nOut : [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\']\n

\n

---

\n

我正在处理 csv 文件，其原始形式为：

\n

\n

问题是它有两个功能一起引发问题：

\n

\n

• 第一行不是标题

  \n
\n

• 标头“Entr\xc3\xa9e”中有一个重音符号，如果我不精确编码 cp1252，则会引发 UnicodeDecode 错误

  \n
\n

\n

我正在使用 Python 3.X 和 pandas 来处理这些文件。

\n

但是当我尝试用这段代码阅读它时：

\n

import pandas as pd \n\ndf_T = pd.read_csv(\'file_T.csv\', header=1, sep=\';\', encoding = \'cp1252\')\nprint(df_T)\n

\n

我得到以下输出（与 相同header=0）：\n

\n

为了正确读取 csv，我需要：

\n

\n
• 摆脱口音
\n
• 并忽略/删除第一行（无论如何我都不需要）。
\n

\n

我怎样才能做到这一点？

\n

\n

PS：我知道我可以为此制作一个 VBA 程序或其他程序，但我不想这样做。我有兴趣将其包含在我的 Python 程序中，或者确定知道这是不可能的。

\n

\n

Answer 1

CP1252 是简单的旧拉丁代码页，它支持所有西欧口音。如果文件是用该代码页编写的，则不会出现任何乱码。

\n\n

您发布的数据的图像只是一个图像。它没有说明文件的原始格式。是UTF8文件吗？UTF16？这绝对不是CP1252。

\n\n

UTF8 和 CP1252 都不会产生 NAN。任何单字节代码页至少都会读取数字，这意味着文件以多字节编码保存。

\n\n

开头的两个奇怪的字符看起来像字节顺序标记。如果您检查Wikipedia 的 BOM 条目，您将看到这\xc3\xbf\xc3\xbe是 UTF16LE 的 BOM。

\n\n

尝试使用utf-16或utf-16-le代替cp1252

\n