使用pandas导入CSV文件出现UnicodeDecodeError错误该如何处理？

报错是由于pandas读取CSV时默认使用UTF-8编码解码，但目标文件DSI_kickstarterscrape_dataset.csv的实际编码并非UTF-8。报错信息里提到的无法解码的字节0x92是Windows-1252编码体系里的右单引号字符，这类爬虫导出、Windows平台生成的CSV文件常使用该编码或中文地区常用的GBK/GB2312编码。

按优先级从高到低尝试以下方法：

• 方法1：指定编码为Windows-1252（对应编码参数值为cp1252），绝大多数同类型爬取数据集都可以用该编码正常读取

import pandas as pd

stats = pd.read_csv('C:\\Users\\ao322\\Downloads\\DSI_kickstarterscrape_dataset.csv', encoding='cp1252')

• 方法2：如果方法1读取后仍有乱码或报错，依次尝试其他常见编码，替换encoding参数的值即可，常用备选编码包括gbk、gb2312、utf-8-sig
• 方法3：如果仅需要核心数据、可接受少量特殊字符丢失，可添加errors='ignore'参数强制忽略解码错误

import pandas as pd

stats = pd.read_csv('C:\\Users\\ao322\\Downloads\\DSI_kickstarterscrape_dataset.csv', encoding='utf-8', errors='ignore')

内容的提问来源于stack exchange，提问作者Aaron O'Neal