CSVの文字化けの原因
Q市の担当者は、委託先から受け取った住民アンケートのCSVファイルをPythonのpandasで読み込んだ。数値の列は正しく読めたが、日本語の自由記述の列だけが意味のない記号の列になっていた。委託先のシステムはShift_JIS(CP932)でファイルを書き出している。対応として、最も適切なものを1つ選べ。
- A
化けた自由記述の列を欠損値とみなし、分析の対象から外す。
- B
読み込み時に文字コードとしてcp932を指定し、ファイルを読み直す。
- C
改行コードをCRLFからLFに変換してから、ファイルを読み直す。
- D
読み込み時に区切り文字をタブに変更し、ファイルを読み直す。
正解と解説を見る
正解:B
文字化けは、書き出したときと読み込むときの文字コードが一致しないと起きる。データを受け渡すときは、文字コード・区切り文字・改行コードを取り決めておくとよい。
- A
誤り。元のファイルには正しい文字が入っており、文字コードを合わせれば読めるデータを捨てることになる。
- B
正しい。書き出し側と違う文字コード(たとえばUTF-8)として読むと日本語が化けるため、元の文字コードを指定して読む。
- C
誤り。改行コードの違いは行の区切りに影響することはあるが、日本語の文字化けの原因ではない。
- D
誤り。数値の列は正しく読めているため区切りは合っており、日本語だけが化ける原因は文字コードにある。
このサイトの問題は、各試験の公開されている出題範囲に沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。一般社団法人データサイエンティスト協会・一般財団法人統計質保証推進協会の公式サービスではありません。