【发布时间】:2019-04-10 00:46:33
【问题描述】:
在将Stata-data读入R时如何避免编码问题?
我希望读取的数据集是 Stata 12 或 Stata 13 中的 .dta(在 Stata 在版本 14 中引入对 utf-8 的支持之前)。带有瑞典语和德语字母 å、ä、ö、ß 以及其他字符的文本变量无法很好地导入。
我在foreign 中尝试了these answers、read.dta、haven 包(没有编码参数),现在read_stata13 告诉我它是expects Stata files to be encoded in CP1252。但是,唉,编码不起作用。我应该放弃并使用 .csv 导出作为桥梁,还是实际上可以在 R 中读取 .dta 文件?
简单示例:
此代码下载了我的数据集的前几行,并说明了问题,例如在包含斯堪的纳维亚语言的变量 vocation 中。
setwd("~/Downloads/")
system("curl -O http://www.lilljegren.com/stackoverflow/example.stata13.dta", intern=F)
library(foreign)
?read_dta
df1 <- read_dta('example.stata13.dta', encoding="latin1")
df2 <- read_dta('example.stata13.dta', encoding="CP1252")
library(readstata13)
df3 <- read.dta13('example.stata13.dta', fromEncoding="latin1")
df4 <- read.dta13('example.stata13.dta', fromEncoding="CP1252")
df5 <- read.dta13('example.stata13.dta', fromEncoding="utf-8")
vocation <- c("Brandkorpral","Sömmerska","Jungfru","Timmerman","Skomakare","Skräddare","Föreståndare","Platsförsäljare","Sömmerska")
df4$vocation == vocation
# [1] TRUE FALSE TRUE TRUE TRUE FALSE FALSE FALSE FALSE
【问题讨论】:
-
csv可能是最好的选择。或者,如果您有 Stata 14,请先将文件转换为 Unicode 并保存。 -
这就是我所担心的。我正在查看 Stata 使用
enca构建的不同文件,但它无法猜测它们是什么编码,而且我在读取 Stata 生成的 csv 文件时也遇到了一些编码问题。呃。 Stata 真的不是很棒:/ 21 世纪的软件不支持 utf-8 :( -
Stata 的当前版本是 15,从版本 14 开始支持 Unicode。不知道您为什么抱怨软件中不可用的功能落后两个版本且不再支持/维护。升级?
-
我很穷,而且 Stata 是一种许可软件,我只需要为了解决这个编码问题而花费昂贵的升级费用,我认为有人可能会争辩说,它不应该属于我们的十年。但适当地指出:我脾气暴躁。 :) 此外,正确的编码是
"macroman",按照您的建议,我通过csv-solution 找到了,所以谢谢。