4个Python数据读取的常见错误
read＿csv（）是python数据分析包pandas里面使用频次较高的函数之一。它包括的参数差不多20个，可能一开始未必需要完整知道每个参数作用。不过，随着使用的深入，实际数据环境愈发复杂，处理的数据上亿行后，就会出现这样那样的问题，这样催促我们反过头来再去理解某些参数的作用。
今天，总结平时使用read＿csv（），经常遇到的几个问题。
1、UnicodeDecodeError
read＿csv 默认读入文件的编码格式为：utf－8，如果读入文件无法被utf－8编码，就会报上面的错误。
可是我们怎么知道读入文件的编码格式呢？今天，为大家介绍一个这方面的包：chardet，它能返回文件的编码格式。使用前先用pip install chardet，安装一下。 接下里这样编写返回编码格式，file为读入的文件名称。
＃ 获取文件编码类型def get＿encoding（file）： ＃ 二进制方式读取，获取字节数据，检测类型 with open（file， ＇rb＇） as f： return chardet．detect（f．read（））［＇encoding＇］
通过charadet包分析出文件的编码格式后，不管使用 python原生的open， read，还是pandas的read＿csv，都可以传入给参数encoding．
2、 sep分隔符
常见文件的分隔符，比如 ， ， csv文件默认为逗号，不过常用的大数据库，比如hive，有时会使用分隔符为 ，这时候就需要调整参数sep． 这类错误比较好解决。
3、读取文件时遇到和列数不对应的行，此时会报错
尤其在读入文件为上亿行的，快读完时，突然报出这个错，此行解析出的字段个数与之前行列数不匹配。
此时，需要调整一个参数：error＿bad＿lines为false，意思是忽略此行。
pandas．read＿csv（＊＊＊，error＿bad＿lines＝False）
实际项目，读入的文件数据环境比我们预想的复杂。假设我们的数据文件默认分隔符为逗号，然后如果某行的某个单元格取值为：
＇山东省， 潍坊市， 青州市＇
就光这一个单元格，就会解析出多列，报错那也是自然的，这就要求我们在读入之前对数据做好充分的清洗。
4、EOF inside string starting at line 错误
这个错误在读入文件时，经常也会出现。这类错误需要修改 quoting参数。
df ＝ pd．read＿csv（csvfile， quoting＝csv．QUOTE＿NONE ）
默认取值为0，遇到错误时，可以根据文档调整。
quoting ： int or csv．QUOTE＿＊ instance， default 0Control field quoting behavior per csv．QUOTE＿＊ constants． Use one of QUOTE＿MINIMAL （0）， QUOTE＿ALL （1）， QUOTE＿NONNUMERIC （2） or QUOTE＿NONE （3）．
