[英]How to treat encoding when reading .dta-files into R from Stata-files prior to version 14?
將Stata數據讀取到R中時,如何避免編碼問題?
我希望讀取的數據集是Stata 12或Stata 13中的.dta(在Stata在版本14中引入對utf-8的支持之前)。 瑞典語和德語字母å,ä,ö,ß以及其他字符的文本變量不能很好地導入。
我已經嘗試了以下答案: foreign
read.dta
, haven
軟件包(沒有編碼參數)和現在的read_stata13
,這告訴我它希望Stata文件在CP1252中進行編碼 。 但是,a,編碼不起作用。 我應該放棄並使用.csv-export作為橋接,還是實際上可以在R中讀取.dta文件?
最小示例:
這段代碼下載了我的數據集的前幾行,並舉例說明了問題,例如在包含北歐語言的變量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
在Mac上,讀取Stata之前的版本14生成的文件的正確編碼是"macroman"
df <- read.dta13('example.stata13.dta', fromEncoding="macroman")
在我的Mac上,stata13和stata12格式的.dta文件(在stata 13中由saveold
保存)都很好地導入了。
假設read_stata13
的手冊在其他平台上正確假定為"CP1252"
。 對我而言, "macroman"
起到了作用(也適用於Stata 13生成的帶export delimited
的.csv
文件)。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.