Python 熊猫的编码

我有一个csv文件，它是用

GB2312

编码的。我已经通过选项

encoding='GB2312'

成功地将其读入pandas.dataframe。然而，当我在STATA中打开文件（并进行了相当多的手动编辑）并将其保存回csv时，我未能在pandas中打开它。我收到以下错误消息：

'gb2312' codec can't decode byte 0xcf in position 2044: incomplete multibyte sequence

因此，文件中似乎有一些字符无法解码（事实上，我可以毫无问题地读取前几行）。Python有一个用于解码字符串的

'ignore'

选项，但我不知道如何将该选项应用于

read\u csv

---

感谢您的帮助。

听起来问题可能出在斯塔塔身上。制作Stata保存文件的副本，并尝试缩小其大小，直到找到导致错误的零件。然后将其与原始文件进行比较。也许你可以知道斯塔塔在读文件时是否把它弄乱了。@BrenBarn，我知道问题出在哪里了。基本上，STATA对str244以下的字符串有一个限制。因此，当我从STATA保存csv时，一些字符被切成两半，python无法识别其编码。我还没有解决办法。我在STATA中做了一些非常繁琐的编辑，我当然不想在python中复制。@ZhenSun，也许这已经太晚了，但是STATA会打印出您所做的任何手动编辑的脚本版本（类似于

replace var2=28 in 4

）。如果您将手动编辑的日志保存在某个地方，那么自动将

replace var2=28 in 4

等转换为pandas代码应该不会有什么困难-只需解析此字符串作为自定义pandas替换函数的参数。@cd98，谢谢您的评论。Stata编辑都是脚本版本。python中的更改太多，无法复制。我不知道Stata和python中的命令是如何自动转换的…@ZhenSun:只要在更改中有一些模式，我想Stackoverflow中的某个人可能会提出一个自动转换（我很乐意自己尝试一下）。