关于python:pandas to_csv:ascii无法编码字符

pandas to_csv: ascii can't encode character

我正在尝试将数据帧读写到管道分隔的文件中。有些字符是非罗马字母(`,??等)。但当我把重音写成ASCII时,它就断了。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
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)

如果我改为使用UTF-8编码,则无法正确读取文件:

1
2
3
4
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

我的目标是有一个管道分隔的文件,保留重音符号和特殊字符。

另外,有没有一个简单的方法来找出哪一行的读"csv"正在突破?现在我不知道如何让它向我展示坏性格。


在这里检查答案

这是一个简单得多的解决方案:

1
newdf.to_csv("C:/tweetDF", sep='\t', encoding = 'utf-8')

您有一些不是ASCII的字符,因此无法像您尝试的那样进行编码。我只是按照评论中的建议使用utf-8

要检查导致问题的行,可以尝试如下操作:

1
2
3
4
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)]

您需要指定要测试的列col