在Azure ML中导入文件夹数据到Pandas DataFrame时遇UTF-8错误

错误根源是你用了mltable.from_delimited_files()方法处理Parquet文件——这个方法专门用于读取CSV这类文本分隔格式的文件，而Parquet是二进制列式存储格式，把二进制流当成文本解析自然会触发UTF-8格式错误。单个文件导入正常是因为你当时用了适配Parquet的读取逻辑，而文件夹的自动生成代码误用了分隔符文件的读取方法。

修正代码，改用mltable.from_parquet_files()读取文件夹内的Parquet文件，具体代码如下：

import mltable
from azure.ai.ml import MLClient
from azure.identity import DefaultAzureCredential

ml_client = MLClient.from_config(credential=DefaultAzureCredential())
data_asset = ml_client.data.get("folder_name", version="1")

path = {
  'folder': data_asset.path
}

# 替换为Parquet专属读取方法
tbl = mltable.from_parquet_files(paths=[path])
df = tbl.to_pandas_dataframe()
df

如果文件夹内混有非Parquet文件，可以添加过滤规则只读取.parquet后缀的文件：

path = {
  'folder': data_asset.path,
  'pattern': '*.parquet'
}

内容的提问来源于stack exchange，提问作者Ameya Bhave