pandas csv 읽기/쓰기 인코딩 정리(read_csv, to_csv)
요약
pandas는 python에서 제공하는 데이터 처리, 분석에 사용되는 라이브러리다. csv, xls등 table 기반 데이터를 Dataframe이라는 자료구조로 가져와 다양한 조작을 할 수 있다.
최근에 회사 작업으로 table 기반 데이터를 조작해야 할 일이 있었는데 pandas의 함수 중 하나인 read_csv를 이용해 csv파일을 읽을 때 발생하는 한글 깨짐과, to_csv를 이용해 csv파일을 생성했을 때 Excel에서 한글이 깨지는 조건을 정리해봤다.
정말 단순한 옵션으로 했기 때문에 모든 경우에 통용되지 않겠지만, 원리를 이해할 겸...
소스 코드
# dict으로 테이블에 들어갈 데이터를 구성
# key값은 column 이름이, list에는 row 데이터가 들어간다.
temp_dict = {}
temp_dict["종류"] = ["식사", "간식"]
temp_dict["이름"] = ["된장국", "쇼콜라케익"]
temp_dict["가격"] = [5000, 10000]
# dict을 이용해 Dataframe 객체를 생성
df = pd.DataFrame(temp_dict)
# 아래와 같은 옵션들로 Dataframe을 csv 파일로 저장한다.
# Excel로 아래 파일들을 열어보면...
df.to_csv("default.csv") # 한글 깨짐
df.to_csv("encoding_utf8.csv", encoding="utf-8") # 깨짐
df.to_csv("encoding_cp949.csv", encoding="cp949") # 안깨짐
df.to_csv("encoding_euckr.csv", encoding="euc-kr") # 안깨짐
# read_csv를 이용해 데이터를 불러보자
df_default = pd.read_csv("default.csv")
print(df_default) # 한글 안깨짐
df_utf8 = pd.read_csv("encoding_utf8.csv")
print(df_utf8) # 안깨짐
df_cp949 = pd.read_csv("encoding_cp949.csv", encoding="cp949")
print(df_cp949) # encoding 옵션이 없으면 깨짐, 있으면 안깨짐
df_euckr = pd.read_csv("encoding_euckr.csv", encoding="euc-kr")
print(df_euckr) # encoding 옵션이 없으면 깨짐, 있으면 안깨짐
결론
1. Excel의 기본 인코딩은 utf-8이 아니다.
위와 같은 이유로 utf-8 인코딩으로 생성한 csv 파일을 직접 열면 Excel에선 한글이 깨져서 보인다.
2. 그러므로 Excel로 생성한 csv파일은 encoding 옵션 없이 Python에서 읽을 때 한글이 깨진다.
왜나면 Excel로 생성한 csv파일은 utf-8로 인코딩한 파일이 아니니깐... 최근 버전의 Excel에선 csv파일로 저장할 때 utf-8 인코딩으로 할지 말지를 결정할 수 있다. 하지만 옛날 버전의 Excel에선 csv파일로 저장할 때 옵션이 따로 있지 않기 때문에 utf-8 csv파일로 저장하려면 메모장을 이용해 인코딩을 변경하는 등의 방법을 사용해야 한다.
3. 특정 인코딩을 강제해서 작성된 프로그램은 오작동을 일으킬 가능성이 있다.
예를 들면, 개발자는 이런 이슈에 익숙하기 때문에 프로그램에 맞춰서 csv파일을 수정할 수도 있다. 하지만 일반적으로 Excel이라는 프로그램의 기본 상태에서 무언가 사용하고 싶지, 이걸 프로그램에 맞춰서 설정을 해주는 친절한 경우는 없다고 생각해야 한다.
내 경우 사용자가 Excel로 작업한 파일을 이용해 무언가 해야 했기 때문에, 사용자 입장에서 인코딩 부분을 신경 쓰지 않고 작업할 수 있게 만드는 것이 옳다고 생각했다. 결국 프로그램 쪽에서 인코딩을 맞추는 것으로 해결했다.