熊猫读取_excel：'utf-8'编解码器无法解码字节 0xa8 位置 14：起始字节无效

Question

尝试读取2016年版本的MS Excel文件。文件包含一些带有数据的列表。从数据库下载的文件，可以在MS Office中正确打开。在下面的示例中，我更改了文件名。

编辑：文件包含俄语和英文单词。最有可能使用Latin-1编码，但是encoding='latin-1'无济于事

import pandas as pd
with open('1.xlsx', 'r', encoding='utf8') as f:
        data = pd.read_excel(f)

结果：

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xa8 in position 14: invalid start byte

没有encoding ='utf8'

'charmap' codec can't decode byte 0x9d in position 622: character maps to <undefined>

P.S。任务是处理52个文件，将每个表格中的数据与52个文件中的相应表合并。因此，请不要处理工作建议。

Answer 1

很可能您正在使用python3。在Python2中，这不会发生。

XLSX文件是二进制文件(实际上它们是XML，但已被压缩(，因此您需要以二进制模式打开它们。使用此电话打开：

open('1.xlsx', 'rb')

没有完整的追溯，但是我想UnicodeDecodeError来自文件对象，而不是来自read_excel((。之所以发生这种情况，是因为字节流可以包含任何东西，但是我们不希望解码太早发生。read_excel((必须接收原始字节并能够处理它们。

Answer 2

问题在于，原始请求者将用filehandle调用read_excel作为第一个参数。正如最后一个响应者所证明的那样，第一个论点应该是包含文件名的字符串。

我遇到了相同的错误：

df = pd.read_excel(open("file.xlsx",'r'))

但是正确的是：

df = pd.read_excel("file.xlsx")

Answer 3

很可能问题是在俄罗斯符号中。

Charmap是使用默认解码方法，以防未注意编码。

我看到UTF-8和Latin-1是否没有帮助，请尝试读取此文件

pd.read_excel(f)

但是

pd.read_table(f)

甚至只是

f.readline()

为了检查什么是符号提出执行并删除此符号/符号。

Answer 4

熊猫支持编码功能以阅读您的Excel在您的情况下，您可以使用：

df=pd.read_excel('your_file.xlsx',encoding='utf-8')

，或者如果您想在更具体的系统中而没有任何偏心的情况下，则可以使用：

df=pd.read_excel('your_file.xlsx',encoding='sys.getfilesystemencoding()')

Answer 5

有时候，如果我们在excel表中有空单元格，那是熊猫数据框架的零值，而为此，我们可以拥有对我有用的以下方法。

import pandas as pd
import openpyxl
# Load Excel file using openpyxl
wb = openpyxl.load_workbook('excel_sheet_name.xlsx')
sheet = wb.active
# Create an empty DataFrame
data = []
# Iterate over the rows in the sheet
for row in sheet.iter_rows(values_only=True):
    data.append(row)
# Convert to DataFrame
excel_file = pd.DataFrame(data)