使用pandas.read_excel的usecols参数时因Unicode列名报错

嘿，这个问题我太熟了！在Python 2.7环境下，这本质是字节串（str）和Unicode字符串（unicode）不匹配导致的坑，我来给你拆解清楚：

问题根源 #

你看，当你不指定usecols时，pandas读出来的列名是Unicode对象（从Index([u'col1', u'col2', ...])里的u前缀就能看出来）；但你定义的COLUMNS是普通的字节串（Python2里不带u的字符串默认是str类型，存的是UTF-8字节）。两者类型不匹配，自然匹配不上，报错里的\xc3\xa0就是字符à的UTF-8字节形式，刚好印证了这一点。

另外你试的encoding='utf-8'参数没用，是因为这个参数只针对纯文本格式（比如csv），Excel是二进制格式，这个参数对它完全不起作用。

解决方案 #

这里有几个靠谱的解决办法，按优先级排序：

1. 直接用Unicode字符串定义COLUMNS #

最直接的方式，给每个列名加上u前缀，让它变成Unicode类型，和pandas读出来的列名类型一致：

import pandas as pd
COLUMNS = [u'col1', u'col2', u'col with unicode à']
df = pd.read_excel(file, usecols=COLUMNS)

这个方法应该能直接解决问题，也是最推荐的。

2. 将现有字符串解码为Unicode #

如果你的列名是从其他地方（比如配置文件、数据库）获取的字节串，可以用decode('utf-8')把它转成Unicode：

# 假设original_cols是字节串列表
original_cols = ['col1', 'col2', 'col with unicode à']
COLUMNS = [col.decode('utf-8') for col in original_cols]
df = pd.read_excel(file, usecols=COLUMNS)

3. 先读全量再筛选列（简单粗暴版） #

如果不想纠结编码问题，也可以先读取整个Excel文件，再筛选需要的列——虽然大文件会有点费内存，但胜在简单：

df = pd.read_excel(file)
# 注意这里同样要保证COLUMNS是Unicode，或者直接引用df.columns里的原对象
df = df[[u'col1', u'col2', u'col with unicode à']]

内容的提问来源于stack exchange，提问作者Giacomo Sachs