使用pd.read_csv读取文件时设置encoding='latin-1'有什么作用？

1. 基础作用 #

encoding 是 pd.read_csv 方法中用于指定文件字符解码规则的参数。CSV文件本质是二进制存储的文本内容，这个参数会告诉pandas用什么规则把二进制内容转换为可识别的字符串。

2. latin-1 编码的特性 #

latin-1 也叫ISO-8859-1，是一种单字节编码：

• 覆盖了所有西欧语言的常用字符
• 每个字节都会直接映射到Unicode编码的前256个码位，不存在解码失败的情况，不会抛出常见的UnicodeDecodeError报错

3. 常见使用场景 #

• 读取西欧地区生成的旧版CSV文件，这类文件很多默认采用latin-1编码
• 临时读取未知编码的文件，避免解码报错打断运行，后续再排查实际编码做转码处理

注意：如果文件实际使用utf-8、gbk等其他编码，用latin-1读取虽然不会报错，但非latin-1范围内的字符会显示为乱码，确认文件原始编码后建议替换为对应编码参数。

内容的提问来源于stack exchange，提问作者Sik Sik