pandas 中的 .read_csv() 沒有正確讀取轉義字符

Question

我正在嘗試使用 Pandas 和 CSV 數據創建 ETL 管道，但我在使用某些轉義字符時遇到了一些問題。

例如，如果我的數據是 '\\"' 並且定義的轉義字符是 '\\' 和引用字符 '"'，那么當我讀取文件時，我的數據變成了“\\”，缺少一個轉義字符。

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!")    

我不認為這是預期的行為，因為我使用相同的工具來編寫和讀取 CSV 文本。

有沒有人已經有這個問題？

Answer 1

如果我正確理解您的需要，這里是固定代碼。

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!")    

我已經用quoting=csv.QUOTE_ALL替換了pd.to_csv()和pd.read_csv()中的quoting=csv.QUOTE_NONE 。

選項csv.QUOTE_NONE阻止作者引用字段。 如果當前分隔符存在於輸出數據中，則前面是當前轉義字符。 如果未設置，則在遇到任何需要轉義的字符時，編寫器將引發錯誤。

在 pd.read_csv() 我還添加了列名作為'column'