使用pandas read_stata（）函数时，汉字都会变得乱码

Question

我正在尝试使用python pandas包读取Stata .dta文件，使用read_stata（）函数，并且dta文件中包含许多中文字符。读入的文件都是混乱的代码，中文字符都只是乱码。有什么建议吗？

Answer 1

您需要指定要使用的编解码器，默认是将您的文本解码为ISO-8859-1（Latin-1）：

pandas.read_stata(filename, encoding=codec_to_use)

请参阅pandas.read_stata() documenation：

  

编码：字符串，无或编码
  用于解析文件的编码。请注意，Stata不支持unicode。 None默认为iso-8859-1。

对于中文，我猜所使用的编解码器是gb*编解码器（gb18030，gbk，gb2312 ）或UTF编解码器（UTF-8，UTF-16或UTF-32）。尽管上面是熊猫的文件中的评论，我看到了Stata 14 supports Unicode now，并且他们使用了UTF-8。

另请参阅Standard Encodings page以获取受支持编解码器的概述。