Pandas df.to_csv("file.csv"编码="utf-8")对负号仍然输出乱码

Question

我看到有些关于Python 2在使用Pandas的to_csv(...)时的限制的讨论。我是不是遇到这个问题了？我现在用的是Python 2.7.3。

当字符串中出现≥和-这些符号时，输出的结果会变成一些乱码。除此之外，导出的内容都很好。

df.to_csv("file.csv", encoding="utf-8") 

有没有什么解决办法？

df.head()的结果是这样的：

demography  Adults ≥49 yrs  Adults 18−49 yrs at high risk||  \
state                                                           
Alabama                 32.7                             38.6   
Alaska                  31.2                             33.2   
Arizona                 22.9                             38.8   
Arkansas                31.2                             34.0   
California              29.8                             38.8  

生成的csv文件内容是这样的：

state,  Adults ≥49 yrs,   Adults 18−49 yrs at high risk||
0,  Alabama,    32.7,   38.6
1,  Alaska, 31.2,   33.2
2,  Arizona,    22.9,   38.8
3,  Arkansas,31.2,  34
4,  California,29.8, 38.8

整个代码是这样的：

import pandas
import xlrd
import csv
import json

df = pandas.DataFrame()
dy = pandas.DataFrame()
# first merge all this xls together


workbook = xlrd.open_workbook('csv_merger/vaccoverage.xls')
worksheets = workbook.sheet_names()


for i in range(3,len(worksheets)):
    dy = pandas.io.excel.read_excel(workbook, i, engine='xlrd', index=None)
    i = i+1
    df = df.append(dy)

df.index.name = "index"

df.columns = ['demography', 'area','state', 'month', 'rate', 'moe']

#Then just grab month = 'May'

may_mask = df['month'] == "May"
may_df = (df[may_mask])

#then delete some columns we dont need

may_df = may_df.drop('area', 1)
may_df = may_df.drop('month', 1)
may_df = may_df.drop('moe', 1)


print may_df.dtypes #uh oh, it sees 'rate' as type 'object', not 'float'.  Better change that.

may_df = may_df.convert_objects('rate', convert_numeric=True)

print may_df.dtypes #that's better

res = may_df.pivot_table('rate', 'state', 'demography')
print res.head()


#and this is going to spit out an array of Objects, each Object a state containing its demographics
res.reset_index().to_json("thejson.json", orient='records')
#and a .csv for good measure
res.reset_index().to_csv("thecsv.csv", orient='records', encoding="utf-8")

Answer 1

我试过用encoding='utf-8-sig，但对我来说不太管用。Excel现在能正确读取特殊字符了，但制表符（Tab）却没了！不过，encoding='utf-16就能正常工作：特殊字符没问题，制表符也能用。这对我来说就是解决办法。

Answer 2

你看到的“坏”输出其实是UTF-8格式的内容被当成CP1252格式来显示了。

在Windows系统上，很多编辑器在文件开头没有字节顺序标记（BOM）的时候，会默认使用ANSI编码（在美国的Windows上是CP1252），而不是UTF-8。虽然BOM对于UTF-8编码来说没有实际意义，但它的存在可以被一些程序当作标识。例如，微软的Excel即使在非Windows系统上也需要这个标记。你可以试试：

df.to_csv('file.csv',encoding='utf-8-sig')

这个编码器会添加BOM。