如何用Pandas打开gz文件？遇UnicodeDecodeError错误求助

• 直接指定非UTF-8编码尝试
  错误提示说明文件编码并非UTF-8，可先尝试常见的单字节编码，比如latin-1（它能兼容所有单字节值，不会触发解码错误）：

  df = pd.read_csv('mutation.gz', compression='gzip', encoding='latin-1')
  

  也可以根据文件实际来源，尝试cp1252、gbk等编码。

• 检测文件实际编码
  若不确定文件编码，用chardet库自动检测：
  先安装库：

  pip install chardet
  

  再运行检测代码：

  import chardet
  with open('mutation.gz', 'rb') as f:
      raw_data = f.read()
      detected = chardet.detect(raw_data)
      print(f"检测到的编码: {detected['encoding']}, 置信度: {detected['confidence']}")
  

  将检测出的编码传入read_csv的encoding参数即可。

• 验证文件完整性
  若上述方法均无效，可能是压缩文件损坏。用gzip命令手动解压验证：

  gzip -d mutation.gz
  

  如果解压报错，说明文件本身存在问题，需要重新获取。

内容的提问来源于stack exchange，提问作者Dharmini