修复Python Pandas数据标记错误的几种方法总结

什么是 Python Pandas 错误标记数据？

当您使用 pandas.read_csv() 函数从 CSV 文件读取数据，并且该函数在标记化或解析数据时遇到问题时，通常会出现“ Python Pandas 错误标记数据” 。标记化是指将数据分割成更小的单元（标记）的过程，通常基于分隔符，对于 CSV 文件，通常是逗号。

修复 Python Pandas 数据标记错误

• 检查 CSV 文件
• 指定分隔符
• 使用正确的编码
• 跳过有错误的行
• 修复不平衡的报价

检查 CSV 文件

当我们通过 CSV 文件读取 Python Pandas 数据时，检查我们上传的 CSV 文件是否有错误至关重要。要检查 CSV 文件是否有任何错误，您可以通过任何 Excel 或任何您喜欢的编辑器打开 CSV 文件。如果您发现任何错误，请更正错误并再次上传正确的 CSV。

指定分隔符

在 Pandas 数据框中读取 CSV 文件时使用的默认分隔符是逗号 (,)。如果您在 CSV 文件中使用任何其他分隔符，则有必要在读取 CSV 文件时指定该分隔符，否则会错误地读取 CSV 文件或给出错误的标记数据。您可以在读取 CSV 时指定分隔符，如下所示：

示例：在本例中，我们正在读取 CSV 文件，其中的数据以分号分隔，因此我们在读取 CSV 文件时指定了分隔符分号 (;)，如下所示：

import pandas as pd
df = pd.read_csv('student_data1.csv', sep=';')
df

输出

使用正确的编码

在 Pandas 数据帧中读取 CSV 文件时使用的默认编码是 utf-8。如果您在 CSV 文件中使用任何特殊字符，那么在读取 CSV 文件时使用正确的编码至关重要，否则会错误地读取 CSV 文件或给出错误的标记数据。您可以在读取 CSV 时指定正确的编码，如下所示：

示例：在此示例中，我们正在读取的 CSV 文件中包含特殊字符，因此在读取 CSV 文件时，我们使用 ascii 编码，如下所示：

import pandas as pd
df = pd.read_csv('student_data1.csv', encoding='ascii')
df

输出

跳过有错误的行

读取上传的 CSV 文件的默认方式是读取所有行，无论是否有错误。如果您知道您的数据可能有一些包含错误的行，那么有必要指定在读取 CSV 文件时跳过这些行，否则它将错误地读取 CSV 文件或给出错误标记数据。您可以指定在读取 CSV 时跳过错误行，如下所示：

示例：在此示例中，我们正在读取的 CSV 文件中有一些包含错误的行，因此在读取 CSV 文件时，我们将跳过包含错误的行，如下所示：

import pandas as pd
df = pd.read_csv('student_data1.csv', on_bad_lines='skip')
df

输出：

修复不平衡的报价

我们正在读取的 CSV 文件中会出现包含不平衡报价的各种情况。在这种情况下，有必要在仅读取 CSV 文件时修复不平衡的报价。在此方法中，我们将了解如何修复那些不平衡的报价。

**示例： **在此示例中，我们正在读取的 CSV 文件中有一些不平衡的双引号，因此在读取 CSV 文件时，我们将修复不平衡的双引号，如下所示：

import pandas as pd
import csv
df = pd.read_csv('student_data1.csv', quoting=csv.QUOTE_NONE, quotechar='"')
df

输出：

结论：

在 Python Pandas 中读取不正确的 CSV 文件可能会导致错误标记数据，但本文中定义的各种方法将帮助您解决错误并正确解析 Pandas 中的 CSV 文件。

到此这篇关于修复Python Pandas数据标记错误的几种方法总结的文章就介绍到这了,更多相关修复Python Pandas数据标记错误内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！