質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

87.96%

numpy genfromtxt でutf-8ファイルを読み込む際のUnicodeDecodeErrorについて

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 3,722

score 7

前提・実現したいこと

numpy genfromtxt でutf-8ファイルに書かれた日本語を読み込む際に、UnicodeDecodeErrorが出てしまいます。

発生している問題・エラーメッセージ

UnicodeDecodeError: 'ascii' codec can't decode byte 0xe3 in position 1: ordinal not in range(128)

該当のソースコード

import numpy as np
data = np.genfromtxt("hoge.tsv", delimiter="\t", names=True, dtype=float, converters={1: lambda x: x.decode('utf_8')})

試したこと

hoge.tsvはutf-8できちんとコーディングできていることを確認しています。
一行目がヘッダー、二行目以下は小数や整数が並んでいます。
一行目のヘッダーのところにのみ日本語が用いられていて、
「日付_2015年」「性別」のようなヘッダーがついています。
ヘッダー行を抜かしたファイルを作成したところ、正しく読み込むことができました。

import sys
sys.getdefaultencoding()


この結果は
'utf-8'
とpython自体のデフォルトはutf-8であることは確認しています。

補足情報(言語/FW/ツール等のバージョンなど)

python3.4, OSX 10.9.5, numpy 1.11.0 を用いています。

どのようにすればヘッダー行を読み込むことができるのでしょうか。
ここここなどを参考にしています。
dtypeの指定の仕方が間違っているのかと思うのですが、これ以上どのようにすれば良いのかが分かりません。

ご教示いただけますと幸いです。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

+1

↓で先に回答出てしまいましたが、同じ結論です。

python - numpy genfromtxt でutf-8ファイルを読み込む際のUnicodeDecodeErrorについて - スタック・オーバーフロー
http://ja.stackoverflow.com/questions/28214/numpy-genfromtxt-%E3%81%A7utf-8%E3%83%95%E3%82%A1%E3%82%A4%E3%83%AB%E3%82%92%E8%AA%AD%E3%81%BF%E8%BE%BC%E3%82%80%E9%9A%9B%E3%81%AEunicodedecodeerror%E3%81%AB%E3%81%A4%E3%81%84%E3%81%A6

_bytes_to_name() ではヘッダ行のバイト列を ASCII コーデックにデコードしようとしてエラーが発生する事になります。

ヘッダーの列名が必要なら、上記回答のように別途読み込んで作成する、ですかね。
ヘッダーの列名が不要なら、Names=Trueの代わりにskip_header=1をセットして読み飛ばしてしまえばOKです。

参考リンク:

numpy.genfromtxt — NumPy v1.11 Manual
http://docs.scipy.org/doc/numpy/reference/generated/numpy.genfromtxt.html

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2016/08/12 22:27

    ありがとうございます。ヘッダー行にだけ日本語を用いていると、別途読み込んで作成するしかないのですね。あるいはskip_header=1で飛ばしてしまうか・・・
    本当にありがとうございました。助かりました。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 87.96%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る