Python 将数据集从网页读入数据帧时出现UnicodeDecodeError

我正试图用Python将复制到熊猫数据帧中。

movies = pd.read_csv('http://files.grouplens.org/datasets/movielens/ml-100k/u.item', sep='|', names = ['movie_id', 'title'], usecols = range(2))
movies.head()

但是，当我执行上述操作时，会出现以下错误。

movies = pd.read_csv('http://files.grouplens.org/datasets/movielens/ml-100k/u.item', sep='|', names = ['movie_id', 'title'], usecols = range(2))
movies.head()

---

UnicodeDecodeError回溯（最近一次呼叫最后一次） pandas/_libs/parsers.pyx在pandas中。_libs.parsers.TextReader._convert_tokens（）

pandas/_libs/parsers.pyx在pandas中。_libs.parsers.TextReader._convert_与_dtype（）

pandas/_libs/parsers.pyx在pandas中。_libs.parsers.TextReader._string_convert（）

pandas/_libs/parsers.pyx在pandas中。_libs.parsers._string_box_utf8（）

UnicodeDecodeError:“utf-8”编解码器无法解码位置3中的字节0xe9:无效的连续字节

在处理上述异常期间，发生了另一个异常：

UnicodeDecodeError回溯（最近一次呼叫最后一次） 在（） 8. 9 --->10部电影=pd.read_csv（“”，sep='|'，names=['movie_id'，'title']，usecols=range（2）） 11.头()

/解析器中的usr/local/lib/python3.5/dist-packages/pandas/io/parsers.py（文件路径或缓冲区、sep、分隔符、标题、名称、索引列、usecols、squeeze、prefix、mangle\u dupe\u cols、数据类型、引擎、转换器、true\u值、false\u值、skipinitialspace、skiprows、nrows、na\u值、keep\u默认值、na\u筛选器、冗余、跳过空白行、解析日期、推断日期时间格式、keep\u日期列、日期解析器、dayfirst、迭代器、chunksize、压缩、千、十进制、行终止符、引号、引号、转义符、注释、编码、方言、元组、错误行、警告行、跳脚、跳脚、双引号、delim空格、as-recarray、compact-int、使用无符号、低内存、缓冲行、内存映射、浮点精度） 703跳过空白行=跳过空白行） 704 -->705返回读取（文件路径或缓冲区，kwds） 706 707语法分析器f.名称=名称

/usr/local/lib/python3.5/dist-packages/pandas/io/parsers.py in_read（文件路径或缓冲区，kwds） 449 请尝试： -->451 data=parser.read（nrows） 452最后： 453解析器

/读取中的usr/local/lib/python3.5/dist-packages/pandas/io/parsers.py（self，nrows） 1063 raise VALUERROR（'迭代不支持skipfooter'） 1064 ->1065 ret=自身引擎读取（nrows） 1066 1067如果self.options.get（'as_recarray'）：

/读取中的usr/local/lib/python3.5/dist-packages/pandas/io/parsers.py（self，nrows） 1826 def读取（自身，nrows=无）： 1827尝试： ->1828数据=自身读取（nrows） 1829除停止迭代外： 1830如果自我第一块：

pandas/_libs/parsers.pyx在pandas中。_libs.parsers.textleader.read（）

pandas/_libs/parsers.pyx在pandas中。_libs.parsers.TextReader._read_low_memory（）

pandas/_libs/parsers.pyx在pandas中。_libs.parsers.TextReader._read_rows（）

pandas/_libs/parsers.pyx在pandas中。_libs.parsers.TextReader。_convert_column_data（）

pandas/_libs/parsers.pyx在pandas中。_libs.parsers.TextReader._convert_tokens（）

pandas/_libs/parsers.pyx在pandas中。_libs.parsers.TextReader._convert_与_dtype（）

pandas/_libs/parsers.pyx在pandas中。_libs.parsers.TextReader._string_convert（）

pandas/_libs/parsers.pyx在pandas中。_libs.parsers._string_box_utf8（）

UnicodeDecodeError:“utf-8”编解码器无法解码位置3中的字节0xe9:无效的连续字节

---

我正在用Python 3编写Jupyter笔记本。如何解决此错误？

该文件未进行UTF-8编码。不过，我们可以做出合理的猜测，我们可以请第三方图书馆帮助我们：

In [23]: import urllib, chardet

In [24]: url = 'http://files.grouplens.org/datasets/movielens/ml-100k/u.item'

In [25]: u = chardet.UniversalDetector()

In [26]: u.feed(urllib.request.urlopen(url).read())

In [27]: u.close()
Out[27]: {'confidence': 0.73, 'encoding': 'ISO-8859-1', 'language': ''}

In [28]: movies = pd.read_csv(url, sep='|', names = ['movie_id', 'title'], 
                              usecols = range(2), encoding='iso-8859-1')

In [29]: movies.head()
Out[29]: 
   movie_id              title
0         1   Toy Story (1995)
1         2   GoldenEye (1995)
2         3  Four Rooms (1995)
3         4  Get Shorty (1995)
4         5     Copycat (1995)

---

将文件更改为UTF-8格式，这将解决问题。若您不知道如何以UTF-8编码格式保存文件，下面的链接将非常有用。

---

\xe9

是本机windows文本编码的

字符编码，而不是
UTF-8
。使用
movies=pd.read\u csv（'http://files.grouplens.org/datasets/movielens/ml-100k/u.item，sep='|'，names=['movie_id'，'title']，usecols=range（2），encoding='cp1250'）
可能有效。