如何修复Python中NumPy读取CSV文件乱码问题_通过loadtxt设置encoding参数

你在学习文章相关的知识吗？本文《如何修复Python中NumPy读取CSV文件乱码问题_通过loadtxt设置encoding参数》，主要介绍的内容就涉及到，如果你想提升自己的开发能力，就不要错过这篇文章，大家要知道编程理论基础和实战操作都是不可或缺的哦！

loadtxt 不支持 encoding 参数，因其底层用 C 实现、只处理字节流；应改用 genfromtxt（支持 encoding）或 pandas.read_csv（更稳健）。

NumPy loadtxt 根本不支持 encoding 参数

直接说结论：loadtxt 在所有稳定版 NumPy（包括 1.26.x）中**没有 encoding 参数**。如果你在文档或示例里看到它被传入，要么是误写，要么是混淆了 genfromtxt 或 read_csv（pandas）。传了会报错：TypeError: loadtxt() got an unexpected keyword argument 'encoding'。

根本原因在于 loadtxt 底层用 C 实现的文件读取逻辑，绕过了 Python 的文本编码层，只接受字节流；它默认按系统 locale 解码，Windows 上常 fallback 到 GBK，遇到 UTF-8 BOM 或无 BOM 的中文 CSV 就崩。

替代方案：改用 genfromtxt 并显式指定 encoding

genfromtxt 是 loadtxt 的增强版，支持 encoding，且能处理缺失值、跳过注释行等。乱码问题基本靠它解决：

import numpy as np
# 正确写法：encoding 必须是字符串，如 'utf-8'、'gbk'
data = np.genfromtxt('data.csv', delimiter=',', encoding='utf-8', skip_header=1)

• encoding 值必须与文件实际编码一致；不确定时先用文本编辑器（如 VS Code）查看右下角编码标识
• 如果 CSV 有 BOM（如 UTF-8 with BOM），encoding='utf-8-sig' 更稳妥，它会自动剥离 BOM
• 若含中文列名或混合类型，dtype=str 可避免类型推断失败，后续再用 astype 转数字
• 注意：设了 encoding 后，返回数组元素是 str 类型，数值列需手动转换，例如 data[:, 0].astype(float)

更推荐的路径：用 pandas 读再转 NumPy

纯 NumPy 处理带中文的 CSV 是自找麻烦。pandas.read_csv 对编码、空值、列类型推断全面得多，且输出 DataFrame 后可随时用 .values 转回 NumPy 数组：

import pandas as pd
import numpy as np
df = pd.read_csv('data.csv', encoding='utf-8')  # 自动处理 BOM、列名、类型
arr = df.values  # 得到标准 ndarray，无需额外 decode

• 99% 场景下比 genfromtxt 更稳——尤其当 CSV 有引号包裹字段、换行符、不规则分隔符时
• encoding 错了会抛 UnicodeDecodeError，错误信息明确，方便调试
• 如果项目已引入 pandas，硬套 loadtxt 只会增加维护成本

真要用 loadtxt？只能预处理文件

极少数受限场景（如不能引入 pandas，又必须用 loadtxt），唯一办法是把文件提前转成它“认得”的格式：

• 用 Python 以正确编码读入，再写成无 BOM 的 UTF-8 或系统默认编码（如 Windows 下写 GBK）
• 或者用命令行工具转码：iconv -f gbk -t utf-8 input.csv > output.csv（Linux/macOS）
• 不建议用 open(...).read().encode() 直接喂给 loadtxt，因为 loadtxt 不接受 file-like object 字节流，只认路径字符串或 BytesIO，但后者要自己处理换行和分隔符，极易出错

编码问题从来不是参数没填对，而是没看清函数能力边界。NumPy 的 loadtxt 设计目标是轻量数值加载，不是通用 CSV 解析器——这点容易被忽略。

本篇关于《如何修复Python中NumPy读取CSV文件乱码问题_通过loadtxt设置encoding参数》的介绍就到此结束啦，但是学无止境，想要了解学习更多关于文章的相关知识，请关注golang学习网公众号！