使用Pandas读取已分隔CSV文件时遇解析及编码问题求助

针对你遇到的核心问题，按优先级给出具体解决步骤：

1. 修复编码错误（UnicodeDecodeError） #

报错中utf-8无法解码字节0xfc，说明文件并非UTF-8编码，0xfc对应拉丁编码（latin-1）中的ü字符。读取时指定对应编码即可解决：

import pandas as pd

# 优先尝试latin-1或cp1252（Windows环境常用拉丁编码）
df = pd.read_csv('your_file.csv', encoding='latin-1')

2. 跳过首行无关信息，指定正确分隔符 #

首行是下载信息而非表头，且数据实际用分号分隔（你提到列内出现分号），这是50列被压缩的核心原因。需同时设置两个关键参数：

# 跳过第1行（skiprows=1表示跳过索引为0的首行），指定分号为列分隔符
df = pd.read_csv('your_file.csv', encoding='latin-1', skiprows=1, sep=';')

3. 解决字段数不匹配问题（ParserError） #

如果仍出现预期字段数不符的错误，大概率是部分行存在未转义的引号或特殊字符，可通过以下方式处理：

• 显式指定引号规则，避免把字段内的分隔符误判为列分隔：

import csv

# 假设字段用双引号包裹，遇到字段内的分号时自动忽略
df = pd.read_csv('your_file.csv', encoding='latin-1', skiprows=1, sep=';', 
                 quotechar='"', escapechar='\\')

• 若仍有少量错误行，可临时启用错误行警告/跳过（建议事后检查这些行的内容）：

# 'warn'会打印错误行信息，'skip'直接跳过错误行
df = pd.read_csv('your_file.csv', encoding='latin-1', skiprows=1, sep=';',
                 on_bad_lines='warn')

验证结果 #

读取后可通过以下命令确认列数和数据格式是否正常：

print(f"列数：{len(df.columns)}")
print(df.head())

内容的提问来源于stack exchange，提问作者Prmake