时间戳

首页 > 解决方案 > 无法在熊猫数据框中正确解码重音

python - 无法在熊猫数据框中正确解码重音

问题描述

我正在尝试为 Dataphile（我的 YouTube 频道）与“获得最多奥运奖牌的柔道运动员”进行条形图比赛。这是我的问题：一些运动员在我的数据集 (csv) 中的名字中有口音，我无法正确解码它们。

例如，在我的第 5 行数据集中，ahtlete 的名字是“Andreas Tölzer”。

这是我的代码：

years = [str(y) for y in range(1972,2020, 4)]
sex = ["mens", "womens"]
cat = ["extra-lightweight", "lightweight", "half-lightweight", "half-middleweight", "middleweight", "half-heavyweight", "heavyweight", "open-class"]

df_results = pd.DataFrame(columns=["Athlete"] + years)

all_df = {}

for s in sex: # gets all sexes
    for c in cat: #gets all weight categories
        for y in years: # gets all years with summer olympics
            try:
                all_df[y] = pd.read_csv(r"C:\Users\joris\Coding\judo_olympics\olympics_summer_" + y + "_JUD_" + s + "-" + c +"_final_standings.csv")
                df_med = all_df[y].head(4)[["Athlete"]]
                iter_years = iter(years)
                for w in years:
                    if int(w) >= int(y):
                        df_med.insert(len(df_med.columns), w, 1)
                    else:
                        df_med.insert(len(df_med.columns), w, 0)
                df_results = df_results.append(df_med)
            except FileNotFoundError:
                pass    
df_results = df_results.groupby("Athlete").sum()

df_results.index = df_results.index.str.normalize('NFKD').str.encode('ascii', errors='ignore').str.decode('utf-8') # got that from the internet

在这里，我们可以看到运动员的名字在输出中没有被正确解码。

我想要的是简单地将带重音的字母更改为没有重音的相同字母（例如：“é”将变为“e”）。

我的数据集中不应该有来自其他字母的字母，只有烦人的口音。

如果您有解决方案或者您需要我的代码中的更多信息，请告诉我。

谢谢 ！

标签： pythonpandasdataframeunicodeutf

解决方案

有一个 Python 包 Unidecode 可用于此目的。

pip install --user unidecode

然后，在 Python 中：

>>> from unidecode import unidecode
>>> print(unidecode('Ölfäßchen'))
'Olfasschen'

推荐阅读