由於unicode問題，Python無法導出到Stata？

Question

我正在嘗試將 Python 中的數據幀導出為 Stata 數據。 這是我正在使用的代碼的精簡版：

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)

執行此操作時出現以下錯誤：

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

我知道還有其他關於 unicode 錯誤的問題，但由於它們與 Stata 無關，因此諸如放置像 'encoding = "utf8"' 這樣的參數的選項不起作用。

我怎樣才能解決這個問題？

Answer 1

默認情況下，pandas 導出到不支持 unicode 的 Stata 版本 10（代碼 114）。

只需指定更高的 Stata 版本 (118+) 即可正確導出 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 數據，只是to_csv堅持使用不包含€字符的 Latin-1 編碼。 一種可能的解決方法是直接使用StataWriterUTF8對象：

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