当使用熊猫read_stata()函数时，汉字都变成胡言乱语。

Question

我正在尝试使用.dta ()函数读取带有python大熊猫包的Stata read_stata文件，而dta文件中有很多汉字。所读的文件都是乱码，而汉字都是胡言乱语。有什么建议吗？

Answer 1

您需要指定要使用的编解码器，默认情况是将文本解码为ISO-8859-1 (拉丁文-1)：

pandas.read_stata(filename, encoding=codec_to_use)

见文献化

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

对于中国人，我猜使用的编解码器要么是gb*编解码器(gb18030，gbk，gb2312)，要么是UTF编解码器(UTF-8、UTF-16或UTF-32)。尽管熊猫在上面的文档中提到了这一点，但我看到了Stata 14现在支持Unicode，并且他们使用了UTF-8。

还请参阅页面以了解所支持的编解码器。