我试图读取一个带有pandas.read_csv
的文本文件,但没有加载数据(只有一个带有NA
个值的数据帧).文本文件包含有效数据(我可以用EXCEL打开它).当我try 用pathlib.Path.open()
读取它时,它显示带有十六进制代码的行.
让我向你展示正在发生的事情:
import pandas as pd
from pathlib import Path
path = Path('path/to/my/file.txt')
# This shows an error: Unidecode Error... as usual with windows files
df = pd.read_csv(path, dtype=str)
## UnicodeDecodeError: 'utf-8' codec can't decode byte 0xf1 in position 96: invalid continuation byte
# This imports a dataframe full of null values:
df = pd.read_csv(path, dtype=str, encoding='latin1')
print(df)
## C Unnamed: 1 Unnamed: 2 Unnamed: 3 Unnamed: 4 Unnamed: 5 Unnamed: 6 \
## 0 <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## 1 <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## ...
# So, what is Python reading? I tried this:
with path.open('r') as f:
data = f.readline()
print(data)
## 'C\x00e\x00n\x00t\x00r\x00o\x00 \x00B\x00e\x00n\x00e\x00f\x00i\x00c\x00i\x00o\x00s\x00\n
而且,正如我前面所说的,当我用Excel打开文件时,它准确地显示了它应该是什么样子:一个值由竖线(|
)分隔的文本文件.所以,现在,我感到非常惊讶.
我遗漏了什么?有人能给我指个方向吗?哪种编码是正确的?