将 CSV 文件上传到 Pandas Dataframe 时标记数据时出错

Question

我有一个 8GB 的​​ CSV 文件，其中包含有关在法国创建的公司的信息。 当我尝试使用 pandas.read_csv 在 Python 中上传它时，我得到了各种类型的错误；我认为这是导致问题的 3 个因素的组合：

• 文件大小 (8GB)
• 单元格中的法语字符（如“é”）
• 这个 CSV 文件的组织方式类似于 Excel 文件；字段按列分隔，就像 XLS 文件一样

当我尝试使用以下方式导入文件时：

import pandas as pd
df = pd.read_csv(r'C:\..\data.csv')

我收到以下错误：OSError: Initializing from file failed

然后，为了消除大小问题，我复制文件 (data.csv) 并粘贴它，只保留前 25 行 (data2.csv)。这是一个更轻的文件，以消除大小问题：

df = pd.read_csv(r'C:\..\data2.csv')

我得到同样的 OSError: Initializing from file failed 错误。

经过一番研究，我尝试使用 Data2.csv

编写以下代码

df = pd.read_csv(r'C:\..\data2.csv', sep="\t", encoding="latin")

这一次，导入成功，但格式很奇怪，像这样：https://imgur.com/a/y6WJHC5。所有字段都在同一列中。

因此，即使消除了大小问题，它也无法正确读取 csv 文件。而且，我仍然需要使用主文件 Data.csv。所以我在初始文件（data.csv）上尝试了相同的代码：

df = pd.read_csv(r'C:\..\data.csv', sep="\t", encoding="latin")

我得到：ParserError：错误标记数据。 C 错误：内存不足

正确读取此 data.csv 的正确代码是什么？

谢谢，

Answer 1

从您的图像看来，文件是用分号 (;) 分隔的。尝试使用“;”作为 read_csv 函数中的 sep。

Pandas 将 csv 读入 ram - 一个 8GB 的​​文件很容易耗尽它 - 尝试分块读取文件。 See this answer.