调用pandas库中的read_csv读取带有中文的csv文件时如果出现“UnicodeDecodeError: ‘utf-8’ codec can’t decode byte 0xbc in position 66: invalid start byte”(如下面第一张图所示),说明在试图将该“中文字符”转成U码的utf-8时超出了其范筹,而GBK规范收录了ISO10646.1中的全部CJK汉字和符号,并有所补充,所以在使用read_csv时,应该加上“encoding = ‘gbk’”,例如:read_csv(filename, encoding = ‘gbk’),就可以解决这个问题了(如下面第二张图所示)。
添加encoding = 'gbk’前:
添加encoding = 'gbk’后:
补充:
pandas读取http网页文件报URL错误
pandas.read_csv(“https://archive.ics.uci.edu/breast-cancer-wisconsin.data”)
以上数据在读取时,可能会报如下错误:
url错误:
URLError: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:833)>
解决办法
全局取消证书验证
read_csv前面加上这两句话:
import ssl
ssl._create_default_https_context = ssl._create_unverified_context
问题得到处理