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】
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。
NEWSLETTER
Data Schoolの新着記事をメールで受け取る
新しい記事が公開されたら、メールでお知らせします。配信はいつでも停止できます。
