由于unicode问题，Python无法导出到Stata？

Question

我正在尝试将 Python 中的数据帧导出为 Stata 数据。 这是我正在使用的代码的精简版：

import pandas as pd

df_master = pd.read_stata(old_dta_location)

# Do some data manipulation.

df_master.to_stata(new_dta_location, {"final_date": "td"}, write_index = False)

执行此操作时出现以下错误：

UnicodeEncodeError: 'latin-1' codec can't encode character '\u20ac' in position 11: ordinal not in range(256)

我知道还有其他关于 unicode 错误的问题，但由于它们与 Stata 无关，因此诸如放置像 'encoding = "utf8"' 这样的参数的选项不起作用。

我怎样才能解决这个问题？

Answer 1

默认情况下，pandas 导出到不支持 unicode 的 Stata 版本 10（代码 114）。

只需指定更高的 Stata 版本 (118+) 即可正确导出 unicode 列：

df = pd.DataFrame({'animal': ['€falcon', '€parrot', '€falcon','€parrot']})
df.to_stata('animals.dta', version=118)  

Answer 2

Stata 文件可以接受 UTF-8 数据，只是to_csv坚持使用不包含€字符的 Latin-1 编码。 一种可能的解决方法是直接使用StataWriterUTF8对象：

w = pd.io.stata.StataWriterUTF8('foo.dta', df_master)
w.write_file()