pandas 中的 .read_csv() 没有正确读取转义字符

Question

我正在尝试使用 Pandas 和 CSV 数据创建 ETL 管道，但我在使用某些转义字符时遇到了一些问题。

例如，如果我的数据是 '\\"' 并且定义的转义字符是 '\\' 和引用字符 '"'，那么当我读取文件时，我的数据变成了“\\”，缺少一个转义字符。

import sys
if sys.version_info[0] < 3: 
    from StringIO import StringIO
else:
    from io import StringIO

import pandas as pd
import csv

escape_char_defined = '\\'
quote_defined = '"'
separator = "|"

sample_data = []

for i in range(1,11):
    sample_data.append(i*escape_char_defined + quote_defined)

initial_df = pd.DataFrame(sample_data,columns=['column'])


csv_text = initial_df.to_csv(sep=separator,columns=None,header=None,index=False,doublequote=False,quoting=csv.QUOTE_ALL,quotechar=quote_defined,escapechar=escape_char_defined,encoding='utf-8')

csv_text = StringIO(csv_text)

final_df = pd.read_csv(csv_text,sep=separator,escapechar=escape_char_defined,quoting=csv.QUOTE_ALL,header=None,doublequote=False,encoding='utf-8')

if not final_df.equals(initial_df):
    raise Exception("Dataframes are not equal!")    

我不认为这是预期的行为，因为我使用相同的工具来编写和读取 CSV 文本。

有没有人已经有这个问题？

Answer 1

如果我正确理解您的需要，这里是固定代码。

import sys
if sys.version_info[0] < 3: 
    from StringIO import StringIO
else:
    from io import StringIO

import pandas as pd
import csv

escape_char_defined = "\\"
quote_defined = '"'
separator = "|"

sample_data = []

for i in range(1,11):
    sample_data.append(i*escape_char_defined + quote_defined)

initial_df = pd.DataFrame(sample_data,columns=['column'])

csv_text = initial_df.to_csv(sep=separator,columns=None,quoting=csv.QUOTE_NONE,header=None,index=False,doublequote=False,quotechar=quote_defined,escapechar=escape_char_defined)
csv_text = StringIO(csv_text)
final_df = pd.read_csv(csv_text,names=(["column"]),sep=separator,quoting=csv.QUOTE_NONE,escapechar=escape_char_defined,quotechar=quote_defined,header=None,doublequote=False)

if not final_df.equals(initial_df):
    raise Exception("Dataframes are not equal!")    

我已经用quoting=csv.QUOTE_ALL替换了pd.to_csv()和pd.read_csv()中的quoting=csv.QUOTE_NONE 。

选项csv.QUOTE_NONE阻止作者引用字段。 如果当前分隔符存在于输出数据中，则前面是当前转义字符。 如果未设置，则在遇到任何需要转义的字符时，编写器将引发错误。

在 pd.read_csv() 我还添加了列名作为'column'