.tar.Z文件改后缀为.tar后无法读取的问题求助

问题根源 #

.tar.Z是先通过compress工具压缩，再打包成tar的双层压缩格式，直接修改扩展名成.tar不会改变文件的压缩结构，因此无法用pd.read_csv直接读取。

正确处理步骤（Colab环境） #

1. 解压.Z压缩层
   上传文件后，先用uncompress命令处理.tar.Z文件，得到纯tar包：

   !uncompress diabetes-data.tar.Z
   

   执行后会生成diabetes-data.tar文件。

2. 提取tar包内的CSV文件
   用tar命令解压tar包，提取里面的实际数据文件（可先执行!tar -tf diabetes-data.tar查看包内文件名）：

   !tar -xf diabetes-data.tar
   

   执行后会得到包内的原始数据文件（比如diabetes-data.csv）。

3. 读取数据文件
   直接读取解压后的CSV文件即可，若仍有编码问题再添加encoding='latin1'：

   import pandas as pd
   
   columnsNames = [
       'sequenceName',
       'TagIdentificator',
       'timestamp',
       'dateFORMAT',
       'x-coordinate-of-the-tag',
       'y-coordinate-of-the-tag',
       'z-coordinate-of-the-tag',
       'activity'
   ]
   
   # 替换成实际解压后的文件名
   data = pd.read_csv('diabetes-data.csv', header=None, names=columnsNames, encoding='latin1')
   

原代码的错误点修正 #

• 原代码中io.BytesIO(uploaded[filename]+'.tar')逻辑错误：上传的文件是.tar.Z格式，直接拼接扩展名无法改变压缩结构，二进制内容也不能被pd.read_csv解析。
• 必须完成双层解压，得到原始文本/CSV文件后再读取。

内容的提问来源于stack exchange，提问作者Mireia Farreras Domingo