Pandas数据导入方法与乱码解决技巧
2026-03-16 13:51:39
0浏览
收藏
本文深入解析了使用Pandas导入数据时最易踩坑的四大核心问题——编码乱码、类型误判、结构异常与大文件处理,手把手教你精准匹配CSV真实编码(如GBK或utf-8-sig)、合理运用dtype强制指定字符串和可空整型、灵活组合skiprows/header/usecols应对复杂Excel表头与空行,并巧妙区分chunksize(流式分块处理)与nrows(快速采样)以高效驾驭海量数据;强调所有参数配置都必须回归原始文件验证,因为静默读取成功≠正确读取——真正实用的技巧,永远建立在对数据源头的敬畏与细察之上。

读 CSV 时中文乱码,encoding 参数到底该填啥
乱码不是编码错了,是没对上源文件真实编码。Windows 记事本默认存为 GBK,但 Python 默认按 utf-8 解,一读就崩。
- 先用编辑器(如 VS Code、Notepad++)打开 CSV 文件,看右下角显示的编码,常见有
GBK、GB2312、utf-8-sig(带 BOM 的 UTF-8) utf-8读不了就试试utf-8-sig,尤其 Excel 另存为 CSV 后经常带 BOM- 真不确定就用
chardet库探测:import chardet
with open("data.csv", "rb") as f:
print(chardet.detect(f.read(10000))) - 别硬套
latin-1—— 它能“不报错”,但中文全变 ,后续清洗更麻烦
read_csv 和 read_excel 的 dtype 参数怎么用才不翻车
dtype 不是锦上添花,是防止自动类型推断出错的核心防线。比如手机号被读成 int64,开头 0 就没了;日期列被当成字符串,后续 pd.to_datetime 失败率高。
- 强制指定列类型:
dtype={"phone": str, "id": str, "score": float},注意字符串列必须写str,不是"string"或"object" - 整数列含空值?不能用
int,得用可空整型:dtype={"age": "Int64"}(注意首字母大写,这是 pandas 的 nullable int 类型) read_excel对dtype支持有限,某些版本会忽略;稳妥做法是先读再用astype转,或加converters参数:converters={"code": str}
Excel 表格有合并单元格、空行、多表头?skiprows、header、usecols 怎么配
Excel 原始格式往往不是“干净表格”,直接 read_excel 会把合并单元格读成 NaN,把说明文字当数据,把空行列进 DataFrame。
header不只是行号,可以是列表,比如表头跨两行:header=[0, 1],生成 MultiIndex- 跳过前 N 行说明文字:
skiprows=3;但若第 3 行才是真实表头,要写skiprows=2, header=0 - 只读特定列最省内存:
usecols="A:C"或usecols=[0, 1, 3],比读完再drop快得多 - 合并单元格无法自动还原,pandas 一律填 NaN;如果必须保留逻辑结构,得靠
openpyxl手动解析,read_excel本身不处理这个
读大文件卡死、爆内存?chunksize 和 nrows 是什么关系
chunksize 不是“分块读取”,是返回一个可迭代对象,每次 yield 一个 DataFrame;nrows 是硬截断,只读前 N 行——两者目的不同,别混用。
- 查数据概览、试跑逻辑:用
nrows=1000快速加载样本 - 逐块处理日志类大 CSV:
for chunk in pd.read_csv("big.csv", chunksize=5000): process(chunk),每块独立内存,不会累积 chunksize下不能直接用df.shape,得手动累加;也别在循环里反复pd.concat,容易内存翻倍——该存中间结果就存文件- Excel 不支持
chunksize,大 Excel 必须转 CSV 再处理,或改用openpyxl流式读单元格
编码、类型、结构、规模——这四个点任何一个没对齐,read_csv 和 read_excel 就可能静默出错。特别是 encoding 和 dtype,不报错不代表读对了,得拿原始文件肉眼比对几行。
文中关于的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《Pandas数据导入方法与乱码解决技巧》文章吧,也可关注golang学习网公众号了解相关技术文章。
12306静音车厢怎么选及注意事项
- 上一篇
- 12306静音车厢怎么选及注意事项
- 下一篇
- HTML表格动画效果实现方法
查看更多
最新文章
-
- 文章 · python教程 | 9小时前 | 线程池 · Python 线程池 concurrent.futures 任务取消 Future.cancel
- Python concurrent.futures.Future.cancel 怎样判断任务能否取消
- 143浏览 收藏
-
- 文章 · python教程 | 10小时前 | 标准库 · HTTP服务 · 多线程 · Python教程 · Python 并发请求 http.server ThreadingHTTPServer ThreadingMixIn BaseHTTPRequestHandler
- Python http.server ThreadingHTTPServer 怎样处理并发请求
- 481浏览 收藏
-
- 文章 · python教程 | 10小时前 |
- Python tarfile.TarInfo.replace 怎样复制归档成员属性
- 308浏览 收藏
-
- 文章 · python教程 | 10小时前 | 并发编程 · Python教程 · Python 多进程 multiprocessing forkserver 启动上下文
- Python multiprocessing forkserver 怎样处理进程启动上下文
- 232浏览 收藏
-
- 文章 · python教程 | 10小时前 | 标准库 · 异步编程 · Python教程 · Python asyncio StreamReader readexactly IncompleteReadError 异步流
- Python asyncio.StreamReader.readexactly 怎样处理不足长度的输入
- 427浏览 收藏
-
- 文章 · python教程 | 10小时前 |
- Python operator.length_hint 怎样为未知长度迭代器设置估计值
- 336浏览 收藏
-
- 文章 · python教程 | 10小时前 | 标准库 · Python教程 · Python warnings catch_warnings simplefilter filterwarnings 警告过滤
- Python warnings context manager 怎样临时调整警告过滤
- 255浏览 收藏
-
- 文章 · python教程 | 10小时前 | 调试 · python · 异步编程 · Python asyncio introspection current_task all_tasks
- Python asyncio introspection 怎样定位当前任务
- 120浏览 收藏
-
- 文章 · python教程 | 10小时前 | 标准库 · Python教程 · Python 类型注解 Python 3.14 annotationlib get_annotations ForwardRef 延迟注解
- Python 3.14 annotationlib.get_annotations 怎样读取延迟注解
- 423浏览 收藏
-
- 文章 · python教程 | 10小时前 |
- Python 3.14 跨解释器 Queue.put 的阻塞与 QueueFull 处理方案
- 157浏览 收藏
-
- 文章 · python教程 | 1天前 | xml · python · Python xml xml.etree.ElementTree canonicalize C14N
- Python xml.etree.ElementTree.canonicalize 怎样生成稳定的 XML 文本
- 151浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1147次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1134次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1312次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1250次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1103次使用
查看更多
相关文章
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览

