在python中读取德语csv文件的问题

Question

我有一个德语csv文件，我想用pd阅读。读取\u csv。

数据：

原始文件如下所示：

所以它有两个列（A，B），分隔符应该是'；'，

问题：当我运行命令时：

dataset = pd.read_csv('C:/Users/.../GermanNews/articles.csv',
                      encoding='utf-8', header=None, sep=';')

我得到的错误：ParserError：错误标记化数据。C错误：第3行中预期2个字段，锯3

半解决方案：我知道这可能有几个原因，但当我运行命令时：

dataset = pd.read_csv('C:/Users/.../GermanNews/articles.csv',
                      encoding='utf-8', header=None, sep='delimiter')

我将返回以下数据集：

    0
0   Etat;Die ARD-Tochter Degeto hat sich verpflich...
1   Etat;App sei nicht so angenommen worden wie ge...
2   Etat;'Zum Welttag der Suizidprävention ist es ...
3   Etat;Mitarbeiter überreichten Eigentümervertre...
4   Etat;Service: Jobwechsel in der Kommunikations...

所以我只得到一列，而不是两个想要的列，

目标：任何想法如何正确加载数据集，我有：

    0       1
0   Etat    Die ARD-Tochter Degeto hat sich verpflich...
1   Etat    App sei nicht so angenommen worden wie ge...

提示/尝试：

当我在excel中对我的数据运行搜索功能时，我也没有找到任何 在其中。

看起来有些行的列数超过了两列（如我的示例的第3行和第13行所示）




Answer 1

这对我有效：

import pandas as pd
df = pd.read_csv('german.txt', sep=';', header = None, encoding='iso-8859-1')
df

输出：

       0    1
0   Etat    Die ARD-Tochter Degeto hat sich verpflich...
1   Etat    App sei nicht so angenommen worden wie ge...
2   Etat    'Zum Welttag der Suizidprävention ist es ...
3   Etat    Mitarbeiter überreichten Eigentümervertre...
4   Etat    Service: Jobwechsel in der Kommunikations...

Answer 2

一种可能的解决方案是创建一列DataFrame，在数据中不使用分隔符，如delimiter，然后使用序列。str.split带有n参数和expand=True用于新的DataFrame：

dataset = pd.read_csv('C:/Users/.../GermanNews/articles.csv',
                       encoding='utf-8', header=None, sep='delimiter')

#more general solution is use some value NOT exist in data like yen ¥
#dataset = pd.read_csv('C:/Users/.../GermanNews/articles.csv',
#                      encoding='utf-8', header=None, sep='¥')

df = dataset[0].str.split(';', n=1, expand=True)
df.columns = ['A','B']
print (df)

Answer 3

仔细浏览课文。如果没有找到潜在客户，请遵循以下解决方案。

我只是这样读了一遍，然后通过在第一次出现分隔符时进行拆分，将字符串拆分为两个所需的列。

df['col1'] = df[0].str.split(';', 1).str[0]
df['col2'] = df[0].str.split(';', 1).str[1]

输出：

                            0    col1                   col2
0        Etat;Die ARD-Tochter..  Etat        Die ARD-Tochter
1         Etat;App sei nicht...  Etat          App sei nicht 
2  Etat;Mitarbeiter überreich..  Etat  Mitarbeiter überreich

我只是整理了一下文本来演示这个例子。