【数据挖掘】遇到的坑+解决方法

由于数挖作业要使用pycharm处理数据，开始从零开始摸索python。所以可以说是有很多傻瓜问题，但是还是记录一下遇到的问题和解决方法：

1、UnicodeDecodeError: 'utf-8' codec can't decode byte 0xa1 in position 0: invalid start byte 问题
2、SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame 问题
3、TypeError: cannot use a string pattern on a bytes-like object

1、UnicodeDecodeError: ‘utf-8’ codec can’t decode byte 0xa1 in position 0: invalid start byte 问题

我想要读入文件，代码如下：

data = pd.read_csv('xxx.csv')

出错的翻译： 'utf-8’编解码器无法解码位置0中的字节0xa1:无效的起始字节。

说白了就是文件保存的时候选择的不是utf-8的编码格式，我当时选了ANSI，所以报错。另存一次文件即可。

解决方案：
教程

2、SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame 问题

翻译：一个值试图在DataFrame的一个切片的副本上设置。

一开始我的代码：（问题出在最后一句给单元格赋值。这里我企图给cutwords那一列的第ii行赋值，但是报错了。）

#多加一列用于存储分词
data['cutwords'] = 'cutwords'

for ii in np.arange(row):
#...(中间代码省略)
data.cutwords[ii] = str(cutwords.values)

查找资料：给某一个单元格赋值

将最后一句改为：

data.loc[ii,'cutwords'] = str(cutwords.values)

最后print(data)查看一下数据，发现没有问题了。

3、TypeError: cannot use a string pattern on a bytes-like object

问题翻译：不能在字节类对象上使用字符串模式。

原来的代码：

data['number'] = "number"
s = SnowNLP(reviews)
number = s.sentiments

笑死，突然发现我的review是数组，应该写成 review[i]才对。

END