我正在尝试将我的utf-8编码的csv文件以及来自Twitter(波兰语)的数据加载到Python 3中的pandas dataframe中
这是我的csv的一部分:
2020-03-28 20:26:57,"b'Oj b\xc4\x99dzie impreza, oj b\xc4\x99dzie. #WyboryPrezydenckie2020 #Wybory2020 #Wybory\xc5\x9amierci'"
2020-03-28 20:26:41,"b'Skoro Prezydent ju\xc5\xbc mi\xc4\x99dzy wierszami przemyca, \xc5\xbce wybory mog\xc4\x85 by\xc4\x87 prze\xc5\x82o\xc5\xbcone, to nale\xc5\xbcy czyta\xc4\x87, \xc5\xbce wybory b\xc4\x99d\xc4\x85 prze\xc5\x82o\xc5\xbcone, a i pewnie zostanie to poprzedzone kwiecistym or\xc4\x99dziem Prezydenta w pelerynie zbawcy narodu. #koronowiruswpolsce #WyboryPrezydenckie2020'"
2020-03-28 20:24:50,"b'Idea i miara. Pomoc wyborc\xc3\xb3w i narodu g\xc5\x82osuj\xc4\x85cego dla medycyny przez #podatek_dla_demokracji, 360 mln z\xc5\x82 na subwencje dla partii i na #WyboryPrezydenckie2020 #Wybory2020 #wybory. STOP-dla-Subwencji dla partii i na wybory z mixu podatkowego.\n@tvp_info\n@Cyfrowy_Polsat\n@tvn24\n#POPiS'"
我试着这样加载它:
df = pd.read_csv('WyboryPrezydenckie2020.csv', names=["date", "tweet"], encoding='utf-8')
但结果是这样的:
date tweet
0 2020-03-28 20:26:57 b'Oj b\xc4\x99dzie impreza, oj b\xc4\x99dzie. ...
1 2020-03-28 20:26:41 b'Skoro Prezydent ju\xc5\xbc mi\xc4\x99dzy wie...
2 2020-03-28 20:24:50 b'Idea i miara. Pomoc wyborc\xc3\xb3w i narodu...
3 2020-03-28 20:22:34 b'RT @wkrawcz1: Kandydat @szymon_holownia m\x...
4 2020-03-28 20:22:03 b'RT @wkrawcz1: Kandydat @szymon_holownia m\x...
而且我的推文似乎根本没有被解码。例如,第一条tweet应该是这样的:
Oj będzie impreza, oj będzie. #WyboryPrezydenckie2020 #Wybory2020 #WyboryŚmierci
我如何解决这个问题
你有字节的字符串(出于某种原因)。要正确阅读,您需要:
相关问题 更多 >
编程相关推荐