Python中H2O DataFrame的中文文本

Question

我有一个utf-8编码的csv文件与中文文本。当我尝试导入为h2o数据帧时，数据错误地显示为胡言乱语。

 dataframe = h2o.import_file('test.csv')

在生成的dataframe中，列名是正确的，但它显示的不是中文文本，而是如下所示的文本：

 在ç�¡è¦ºäº†ä½ 知é�

我查阅了h2o文档，在使用import_file时，似乎没有任何方法可以像pandas那样设置编码选项。此外，在运行以下命令时：

testing = ['你','好','嗎']
h2o.H2OFrame(testing)

它会给出这个错误：

--------------------------------------------------------------------------
 UnicodeEncodeError                        Traceback (most recent call last)
<ipython-input-2-5f4b3eb49a84> in <module>
      1 testing = ['你','好','嗎']
----> 2 h2o.H2OFrame(testing)

~\AppData\Local\Continuum\anaconda3\lib\site-packages\h2o\frame.py in __init__(self, python_obj, destination_frame, header, separator, column_names, column_types, na_strings, skipped_columns)
    104         if python_obj is not None:
    105             self._upload_python_object(python_obj, 
destination_frame, header, separator,
--> 106                                        column_names, 
column_types, na_strings, skipped_columns)
    107 
    108     @staticmethod

~\AppData\Local\Continuum\anaconda3\lib\site-packages\h2o\frame.py in _upload_python_object(self, python_obj, destination_frame, header, separator, column_names, column_types, na_strings, skipped_columns)
    143             csv_writer.writerow([row.get(k, None) for k in col_header])
    144         else:
--> 145             csv_writer.writerows(data_to_write)
    146         tmp_file.close()  # close the streams
    147         self._upload_parse(tmp_path, destination_frame, 1, 
separator, column_names, column_types, na_strings, skipped_columns)

~\AppData\Local\Continuum\anaconda3\lib\encodings\cp1252.py in encode(self, input, final)
     17 class IncrementalEncoder(codecs.IncrementalEncoder):
     18     def encode(self, input, final=False):
---> 19         return codecs.charmap_encode(input,self.errors,encoding_table)[0]
     20 
     21 class IncrementalDecoder(codecs.IncrementalDecoder):

UnicodeEncodeError: 'charmap' codec can't encode character '\u4f60' in position 1: character maps to <undefined>

基于此错误，h2o似乎正在使用cp1252编码。谁能提供帮助，让h2o导入中文csv文件为utf-8编码？谢谢。

Answer 1

注释中的jira票证已得到解决，此解析问题在较新版本的H2O中不再是问题。我的建议是升级-例如，如果你升级到最新版本的H2O，你应该不会有任何问题。

我用你的例子做了一个3.22.0.2版的测试，得到了：

In [6]: h2o.H2OFrame(testing)
Parse progress: |█████████████████████████████████████████████████████████████████████████████| 100%
Out[6]:
C1
----
你
好
嗎

[3 rows x 1 column]