使用 numpy.genfromtxt 在 Python 3 中加载 UTF-8 文件

我有一个从 WHO 网站下载的 CSV 文件（http://apps.who.int/gho/data/view.main.52160 http://apps.who.int/gho/data/view.main.52160，下载，“CSV 格式的多用途表”）。我尝试将文件加载到 numpy 数组中。这是我的代码：

import numpy
#U75 - unicode string of max. length 75
world_alcohol = numpy.genfromtxt("xmart.csv", dtype="U75", skip_header=2, delimiter=",")
print(world_alcohol)

我得到

UnicodeDecodeError：“ascii”编解码器无法解码字节 0xc3 位置 2：序数不在范围(128) 内。

我猜想 numpy 在读取字符串“Côte d'Ivoire”时出现问题。该文件已正确编码为 UTF-8（根据我的文本编辑器）。我正在使用 Python 3.4.3 和 numpy 1.9.2。

我究竟做错了什么？如何将文件读取到 numpy 中？

请注意原来的 2015 年日期。自那以后genfromtxt已获得encoding范围。

在Python3中我可以这样做：

In [224]: txt = "Côte d'Ivoire"
In [225]: x = np.zeros((2,),dtype='U20')
In [226]: x[0] = txt
In [227]: x
Out[227]: 
array(["Côte d'Ivoire", ''],   dtype='<U20')

这意味着我可能可以打开一个“UTF-8”文件（常规，而不是字节模式）和读取行，并将它们分配给数组的元素，例如x.

But genfromtxt坚持使用无法处理更大的字节字符串（ascii）进行操作UTF-8设置（7 字节 v 8）。所以我需要申请decode在某个时刻得到一个U array.

我可以将它加载到“S”数组中genfromtxt:

In [258]: txt="Côte d'Ivoire"
In [259]: a=np.genfromtxt([txt.encode()],delimiter=',',dtype='S20')
In [260]: a
Out[260]: 
array(b"C\xc3\xb4te d'Ivoire",  dtype='|S20')

并申请decode到单个元素：

In [261]: print(a.item().decode())
Côte d'Ivoire

In [325]: print _
Côte d'Ivoire

Or use np.char.decode将其应用于数组的每个元素：

In [263]: np.char.decode(a)
Out[263]: 
array("Côte d'Ivoire", dtype='<U13')
In [264]: print(_)
Côte d'Ivoire

genfromtxt让我指定converters:

In [297]: np.genfromtxt([txt.encode()],delimiter=',',dtype='U20',
    converters={0:lambda x: x.decode()})
Out[297]: 
array("Côte d'Ivoire", dtype='<U20')

If the csv有字符串和数字的混合，这个converters方法将比np.char.decode。只需为每个字符串列指定转换器即可。

（请参阅我之前对 Python2 尝试的编辑）。