Python

PythonでCSVの文字化けを直す方法とExcelファイルの読み込み【Colab対応・実行結果付き】

酒井 裕麻株式会社Bistro 代表取締役社長

ExcelやシステムからダウンロードしたCSVをPythonで読み込んだら、「UnicodeDecodeError」というエラーが出た、あるいは日本語が文字化けした、という経験はないでしょうか。

この記事では、Google ColabのPython(pandas)で、文字化けせずにCSVを読み込む方法と、Excelファイル(.xlsx)をそのまま読み込む方法を、実行結果付きで解説します。

同じことをRで行う方法は、RでCSVの文字化けを直す方法とExcelファイルの読み込みで紹介しています。Colabの基本的な使い方は、Google Colabの設定方法と使い方をご覧ください。

この記事で使うデータ

架空の店舗の売上データを使います。中身はどれも同じで、ファイルの形式と文字コードだけが違います。

ファイル 形式 文字コード
sales.csv CSV UTF-8
sales_sjis.csv CSV Shift-JIS(CP932)
sales.xlsx Excel ―

Colabでは、ダウンロードしなくても、URLを指定すればそのまま読み込めます。

まずは基本:read_csv()で読み込む

PythonでCSVを読み込むには、pandasの read_csv() を使います。pandasはColabに最初から入っているので、インストールは不要です。

import pandas as pd

url = "https://www.bistro.business/files/r/sales.csv"
sales = pd.read_csv(url)
sales.head()

実行結果

         date store category  customers   sales  ad_spend
0  2026-01-01   新宿店      日用品         66   62060     22000
1  2026-01-01   新宿店       食品        185  241870     19000
2  2026-01-01   新宿店       飲料        114   44430      9000
3  2026-01-01   横浜店      日用品         49   47650     12000
4  2026-01-01   横浜店       食品        121  192980     19000

head() で先頭の5行を表示しています。行数と列数は shape で確認できます。

sales.shape

実行結果

(810, 6)

810行・6列のデータが読み込めました。

文字化けの原因は「文字コード」

次に、Shift-JISで保存されたCSVを、同じように読み込んでみます。

sales_sjis = pd.read_csv("https://www.bistro.business/files/r/sales_sjis.csv")

実行結果

UnicodeDecodeError: 'utf-8' codec can't decode byte 0x90 in position 69: invalid start byte

エラーになりました。原因は文字コードの違いです。

文字コードとは、文字をコンピューターの中でどんな数字として記録するかのルールです。日本語のCSVでよく使われるのは、次の2つです。

文字コード よく使われる場面
UTF-8 今の標準。Webのサービス、Googleスプレッドシート、Pythonなど
Shift-JIS(CP932) Windowsの古いソフト、Excelで「CSV(コンマ区切り)」で保存したファイル、社内システムの出力

pandasは、何も指定しないとUTF-8として読み込みます。そのため、Shift-JISのファイルを読むと、上のようなエラーになります。

直し方:encodingを指定する

encoding="cp932" を指定すると、Shift-JISのファイルを正しく読み込めます。

sales_sjis = pd.read_csv(
    "https://www.bistro.business/files/r/sales_sjis.csv",
    encoding="cp932",
)
sales_sjis.head(3)

実行結果

         date store category  customers   sales  ad_spend
0  2026-01-01   新宿店      日用品         66   62060     22000
1  2026-01-01   新宿店       食品        185  241870     19000
2  2026-01-01   新宿店       飲料        114   44430      9000

文字化けせずに読み込めました。"shift_jis" と書いても読めることが多いですが、「髙」や「①」などの文字が含まれているとエラーになるため、Windowsの文字も含む "cp932" を指定するのがおすすめです。

文字コードがわからないとき

ファイルの文字コードがわからないときは、まずそのまま読み込み、エラーになったら cp932 を試すのが手軽です。コードで自動的に切り替えることもできます。

def read_csv_ja(path):
    """UTF-8で読めなければ、CP932(Shift-JIS)で読み直す"""
    for enc in ["utf-8", "cp932"]:
        try:
            return pd.read_csv(path, encoding=enc)
        except UnicodeDecodeError:
            pass
    raise ValueError("文字コードを判定できませんでした")

df = read_csv_ja("https://www.bistro.business/files/r/sales_sjis.csv")
df.shape

実行結果

(810, 6)

読み込むときによく使う設定

read_csv() には、便利な設定がたくさんあります。

設定 使い方の例 意味
encoding encoding="cp932" 文字コードを指定する
parse_dates parse_dates=["date"] 日付の列を、日付型として読み込む
dtype dtype={"code": str} 列の型を指定する(「001」の0が消えるのを防ぐ)
usecols usecols=["date", "sales"] 必要な列だけ読み込む
skiprows skiprows=2 先頭の行を読み飛ばす(タイトル行があるファイルなど)
sep sep="\t" 区切り文字を指定する(タブ区切りなど)

たとえば、日付の列を日付型として読み込んでおくと、あとで月ごとの集計などがしやすくなります。

sales = pd.read_csv(url, parse_dates=["date"])
sales.dtypes

実行結果

date         datetime64[ns]
store                object
category             object
customers             int64
sales                 int64
ad_spend              int64
dtype: object

date の列が、日付を表す datetime64 型になりました。

Excelファイル(.xlsx)をそのまま読み込む

Excelファイルは、CSVに変換しなくても、read_excel() でそのまま読み込めます。Excelファイルには文字コードの問題がないので、文字化けの心配もありません。

まず、どんなシートがあるかを確認します。

excel_url = "https://www.bistro.business/files/r/sales.xlsx"
pd.ExcelFile(excel_url).sheet_names

実行結果

['売上']

「売上」というシートがあることがわかりました。シート名を指定して読み込みます。

sales_xlsx = pd.read_excel(excel_url, sheet_name="売上")
sales_xlsx.head(3)

実行結果

        date store category  customers   sales  ad_spend
0 2026-01-01   新宿店      日用品         66   62060     22000
1 2026-01-01   新宿店       食品        185  241870     19000
2 2026-01-01   新宿店       飲料        114   44430      9000

Excelを読み込むときによく使う設定

設定 使い方の例 意味
sheet_name sheet_name="売上" または sheet_name=0 読み込むシート(名前または何番目か)
sheet_name=None pd.read_excel(path, sheet_name=None) すべてのシートをまとめて読み込む
skiprows skiprows=3 上の行を読み飛ばす(表の上にタイトルがあるとき)
usecols usecols="A:D" 読み込む列の範囲

sheet_name=None にすると、シート名をキーにした辞書の形で、すべてのシートが読み込まれます。

all_sheets = pd.read_excel(excel_url, sheet_name=None)
for name, df in all_sheets.items():
    print(name, df.shape)

実行結果

売上 (810, 6)

自分のパソコンやGoogleドライブのファイルを読み込む

Colabでは、パソコンにあるファイルはそのままでは読み込めません。アップロードするか、Googleドライブを接続します。

# パソコンのファイルをアップロードする
from google.colab import files
files.upload()
sales = pd.read_csv("sales_sjis.csv", encoding="cp932")

# Googleドライブのファイルを読み込む
from google.colab import drive
drive.mount("/content/drive")
sales = pd.read_csv("/content/drive/MyDrive/分析/sales_sjis.csv", encoding="cp932")

詳しい手順は、Google Colabの設定方法と使い方で解説しています。

よくあるエラー

エラー 原因と対処
UnicodeDecodeError: 'utf-8' codec can't decode ... Shift-JISのファイルをUTF-8で読もうとしている。encoding="cp932" を指定する
UnicodeDecodeError: 'cp932' codec can't decode ... 逆に、UTF-8のファイルをcp932で読もうとしている。encoding を外すか "utf-8" にする
FileNotFoundError: [Errno 2] No such file or directory ファイルがアップロードされていない、またはパスやファイル名が違う
ParserError: Error tokenizing data 区切り文字が違う、または途中で列の数が変わっている。sep や skiprows を見直す
読み込めたが、1列目の名前が「date」になる BOM付きUTF-8のファイル。encoding="utf-8-sig" を指定する

まとめ

  • CSVは pd.read_csv()、Excelは pd.read_excel() で読み込む
  • ColabではURLを指定すれば、ダウンロードせずに読み込める
  • Shift-JISのCSVは encoding="cp932" を指定すると文字化けしない
  • Excelファイルには文字コードの問題がないので、受け取ったままで読み込める

読み込んだデータの加工や集計は、次の記事で解説しています。

CONTACT

データ活用のお悩み、
直接相談しませんか。

「何から始めればいいかわからない」段階でも大丈夫です。課題の整理からお手伝いします。