我有一个熊猫的数据框架，我想写一个CSV文件。
我使用:
df.to_csv('out.csv')
并得到以下错误:
UnicodeEncodeError: 'ascii' codec can't encode character u'\u03b1' in position 20: ordinal not in range(128)
有没有什么方法可以很容易地解决这个问题(即我的数据帧中有unicode字符)? 是否有一种方法来写一个标签分隔文件，而不是一个CSV使用例如'to tab'方法(我不认为存在)?
当前回答
如果你有编码到'utf-8'的问题，想要逐个单元格，你可以尝试以下方法。
Python 2
(df是你的DataFrame对象。)
for column in df.columns:
for idx in df[column].index:
x = df.get_value(idx,column)
try:
x = unicode(x.encode('utf-8','ignore'),errors ='ignore') if type(x) == unicode else unicode(str(x),errors='ignore')
df.set_value(idx,column,x)
except Exception:
print 'encoding error: {0} {1}'.format(idx,column)
df.set_value(idx,column,'')
continue
然后尝试:
df.to_csv(file_name)
你可以通过以下方法检查列的编码:
for column in df.columns:
print '{0} {1}'.format(str(type(df[column][0])),str(column))
警告:errors='ignore'将忽略字符。
IN: unicode('Regenexx\xae',errors='ignore')
OUT: u'Regenexx'
Python 3
for column in df.columns:
for idx in df[column].index:
x = df.get_value(idx,column)
try:
x = x if type(x) == str else str(x).encode('utf-8','ignore').decode('utf-8','ignore')
df.set_value(idx,column,x)
except Exception:
print('encoding error: {0} {1}'.format(idx,column))
df.set_value(idx,column,'')
continue
其他回答
如果上面的解决方案对任何人都不起作用，或者CSV被搞砸了，只需从行中删除sep='\t'，就像这样:
df.to_csv(file_name, encoding='utf-8')
当您使用to_csv方法将DataFrame对象存储到csv文件中时，您可能不需要存储DataFrame对象的每一行的前面索引。
你可以通过给索引参数传递一个False布尔值来避免这种情况。
有点像:
df.to_csv(file_name, encoding='utf-8', index=False)
如果你的DataFrame对象是这样的:
Color Number
0 red 22
1 blue 10
csv文件将存储:
Color,Number
red,22
blue,10
而不是(当传递默认值True时的情况)
,Color,Number
0,red,22
1,blue,10
如果你有编码到'utf-8'的问题，想要逐个单元格，你可以尝试以下方法。
Python 2
(df是你的DataFrame对象。)
for column in df.columns:
for idx in df[column].index:
x = df.get_value(idx,column)
try:
x = unicode(x.encode('utf-8','ignore'),errors ='ignore') if type(x) == unicode else unicode(str(x),errors='ignore')
df.set_value(idx,column,x)
except Exception:
print 'encoding error: {0} {1}'.format(idx,column)
df.set_value(idx,column,'')
continue
然后尝试:
df.to_csv(file_name)
你可以通过以下方法检查列的编码:
for column in df.columns:
print '{0} {1}'.format(str(type(df[column][0])),str(column))
警告:errors='ignore'将忽略字符。
IN: unicode('Regenexx\xae',errors='ignore')
OUT: u'Regenexx'
Python 3
for column in df.columns:
for idx in df[column].index:
x = df.get_value(idx,column)
try:
x = x if type(x) == str else str(x).encode('utf-8','ignore').decode('utf-8','ignore')
df.set_value(idx,column,x)
except Exception:
print('encoding error: {0} {1}'.format(idx,column))
df.set_value(idx,column,'')
continue
要用制表符分隔，可以使用to_csv的sep参数:
df.to_csv(file_name, sep='\t')
使用特定的编码(例如:'utf-8')使用encoding参数:
df.to_csv(file_name, sep='\t', encoding='utf-8')
如果还指定UTF-8编码，有时也会遇到这些问题。 我建议您在读取文件时指定编码，在写入文件时指定相同的编码。 这可能会解决你的问题。
