我正在尝试通过“获得最多奥运奖牌的柔道运动员”为Dataphile(我的YouTube频道)举办条形图竞赛。这是我的问题:在我的数据集(csv)中,有些运动员的名字带有重音,而我无法正确解码它们。
例如,在第5行的my dataset中,ahtlete的名字是“ AndreasTölzer”。
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
Here,我们可以看到运动员的名字在输出中没有正确解码。
[我想简单地将带重音符号的字母更改为不带重音符号的相同字母(例如:“é”将变为“ e”)。
我的数据集中不应有其他字母的字母,只有令人讨厌的口音。
[如果您有解决方案,或者需要我的代码中的更多信息,请告诉我。
谢谢!
有一个可用于此目的的python软件包Unidecode。
pip install --user unidecode
然后,在Python中:
>>> from unidecode import unidecode
>>> print(unidecode('Ölfäßchen'))
'Olfasschen'