用汉字读取.dta文件的编码错误答案

【问题标题】：Encoding Error of Reading .dta Files with Chinese Characters用汉字读取.dta文件的编码错误
【发布时间】：2018-03-23 20:22:22
【问题描述】：

我正在尝试使用 pandas 读取 .dta 文件：

import pandas as pd
my_data = pd.read_stata('filename', encoding='utf-8')

错误信息是：

ValueError: Unknown encoding. Only latin-1 and ascii supported.

其他编码形式也不起作用，例如 gb18030 或 gb2312 用于处理中文字符。如果我删除编码参数，DataFrame 将是所有垃圾值。

【问题讨论】：

标签： pandas encoding dta

【解决方案1】：

只需按默认编码读取原始数据，然后转移到预期的编码！假设出现乱码的列是column1

import pandas as pd
dta = pd.read_stata('filename.dta')
print(dta['column1'][0].encode('latin-1').decode('gb18030'))

print结果会显示正常的汉字，gb2312也可以。

【讨论】：

【解决方案2】：

看pandas的源码（0.22.0版），read_stata支持的编码有('ascii', 'us-ascii', 'latin-1', 'latin_1', 'iso-8859-1 '、'iso8859-1'、'8859'、'cp819'、'latin'、'latin1'、'L1'）。所以你只能从这个列表中选择。

【讨论】：

谢谢！但是我应该使用什么功能呢？
对不起，我不知道，因为我没有 stata。
@Xiaodong read_stata 在 pandas 0.23.4 中将失败，ValueError: Unknown encoding. Only latin-1 and ascii supported.