文 / Chuck Huber, Director of Statistical Outreach at StataCorp

　　導(dǎo)讀

　　——————————————————————————————————————————————————————

　　在作者以前的文章中，使用read_stata()方法將Stata數(shù)據(jù)集讀入pandas 數(shù)據(jù)框中。當(dāng)您想將整個(gè)Stata數(shù)據(jù)集讀入Python時(shí)，這很好用。但是有時(shí)我們希望從Stata數(shù)據(jù)集中讀取變量或觀察值的子集，或同時(shí)讀取兩者。在本文中，作者將向您介紹Stata Function Interface（SFI）模塊，并向您展示如何使用它來(lái)將部分?jǐn)?shù)據(jù)集讀入pandas數(shù)據(jù)框中。

　　如果您不熟悉Python，那么在繼續(xù)閱讀之前，請(qǐng)閱讀作者的Stata / Python集成系列文章的前四篇文章可能會(huì)有所幫助。

• 設(shè)置Stata以使用Python

• 在Stata中使用Python的三種方法

• 如何安裝Python套件

• 如何使用Python套件

　　使用SFI模塊將數(shù)據(jù)從Stata移至Python

　　該SFI 是一個(gè)Python模塊，使您可以傳遞信息來(lái)回塔塔和Python之間。您可以復(fù)制整個(gè)或部分?jǐn)?shù)據(jù)集，數(shù)據(jù)框，局部和全局宏，標(biāo)量和矩陣，甚至全局Mata矩陣。一篇博客文章中沒(méi)有太多功能可以顯示給您。因此，今天我將向您展示您可能會(huì)使用的功能：將部分Stata數(shù)據(jù)集讀取到Python中。我們將在以后的文章中探索更多的SFI功能。

　　讓我們通過(guò)使用自動(dòng)數(shù)據(jù)集開(kāi)始下面的代碼塊。接下來(lái)，讓我們進(jìn)入Python環(huán)境并從SFI模塊導(dǎo)入Data類。然后，我們將使用Data類中的get()方法將外部變量復(fù)制到名為dataraw的Python列表對(duì)象中。get()方法的第1個(gè)參數(shù)是放在單引號(hào)中的Stata變量列表。

　　Python輸出向我們顯示，列表對(duì)象dataraw包含Stata變量foreign的數(shù)據(jù)。

　　指定觀察范圍

　　get()方法的第二個(gè)參數(shù)允許我們指定觀察范圍。我在下面的代碼塊中使用range()函數(shù)來(lái)指定觀察值46到56。請(qǐng)注意，我還將mpg和rep78添加到了變量列表中。

　　Python輸出顯示dataraw僅包含mpg小于20的觀察值。

　　獲取價(jià)值標(biāo)簽而不是數(shù)字

　　在Stata變量的值國(guó)外標(biāo)有“Domestic”為0和“foreign”為1。

　　我們的Python列表對(duì)象dataraw僅存儲(chǔ)基礎(chǔ)數(shù)字值0和1，但我們可能更喜歡使用標(biāo)簽。get（）的第四個(gè)參數(shù)允許我們將Stata變量的值標(biāo)簽傳遞給Python，而不是數(shù)字。我在下面的代碼塊中指定了valuelabel = True，以將值標(biāo)簽傳遞給Python。

　　下面的Python輸出向我們展示了dataraw現(xiàn)在包含單詞“ Domestic”和“ Foreign”。請(qǐng)注意，這些是字符串，而不是帶標(biāo)簽的數(shù)字值。

　　為缺失值指定一個(gè)數(shù)字

　　get()的第五個(gè)參數(shù)允許我們?yōu)閬G失的數(shù)據(jù)指定一個(gè)值?；叵胍幌拢琒tata將缺失值存儲(chǔ)為數(shù)字存儲(chǔ)類型的zui大可能值。Stata變量rep78作為雙精度數(shù)字變量存儲(chǔ)，zui大值為8.98846567431158e + 307。浮點(diǎn)數(shù)值變量的zui大值為1.70141173319e + 38，長(zhǎng)變量的zui大值為2,147,483,620，int變量的zuida值為32,740，字節(jié)變量的zui大值為100。因此，a的精確值缺失值取決于變量的存儲(chǔ)類型。

　　Python不會(huì)將這些數(shù)字識(shí)別為缺失值。Python將8.98846567431158e + 307解釋為數(shù)字。Python中缺少的數(shù)字值通常用Numpy的特殊浮點(diǎn)值“ nan”表示，該值z(mì)ui初是由電氣和電子工程師協(xié)會(huì)在IEEE 754-1985標(biāo)準(zhǔn)中定義的。通過(guò)為get()的第五個(gè)參數(shù)指定missingval = np.nan，我們可以告訴Python 8.98846567431158e + 307不是“數(shù)字”（nan）。

　　Python的輸出下面顯示了數(shù)8.98846567431158e + 307dataraw已被替換numpy的特殊浮點(diǎn)值“nan”。

　　將列表對(duì)象轉(zhuǎn)換為pandas數(shù)據(jù)框

　　我們已經(jīng)使用get()將我們的Stata數(shù)據(jù)集的一部分復(fù)制到名為dataraw的Python列表對(duì)象中。接下來(lái)，讓我們將列表對(duì)象轉(zhuǎn)換為pandas數(shù)據(jù)框。

　　我們首先使用別名pd導(dǎo)入pandas。然后，我們可以通過(guò)鍵入dataframe = pd.DataFrame（dataraw）來(lái)創(chuàng)建一個(gè)數(shù)據(jù)框架。

　　下面的Python輸出顯示數(shù)據(jù)框dataframe。標(biāo)記為0、1和2的列分別是變量foreign，mpg和rep78。左側(cè)的未標(biāo)記列是pandas創(chuàng)建的索引，用于唯1標(biāo)識(shí)每一行。

　　標(biāo)記數(shù)據(jù)框的列

　　我們可以使用DataFrame()方法中的columns選項(xiàng)標(biāo)記數(shù)據(jù)框的列。列名列表必須用方括號(hào)括起來(lái)，并且每個(gè)列名都必須用單引號(hào)括起來(lái)并用逗號(hào)分隔。

　　下面的Python輸出顯示，數(shù)據(jù)框中的第二，第三和第四列現(xiàn)在分別命名為foreign，mpg和rep78。

　　從1開(kāi)始數(shù)據(jù)幀索引

　　Python使用從零開(kāi)始的數(shù)組索引，這意味著行數(shù)和列數(shù)以0而不是1開(kāi)頭。因此，pandas自動(dòng)創(chuàng)建了以0開(kāi)頭的行索引。如果您對(duì)索引的開(kāi)頭感到滿意，則可以跳到下一部分?；蛘?，您可以使用DataFrame()方法中的index選項(xiàng)將索引更改為以1開(kāi)頭。

　　我們將在Numpy模塊中使用arange()方法指定索引。第1個(gè)參數(shù)是行索引的第1個(gè)元素，即1。第二個(gè)參數(shù)是行索引的Zui后一個(gè)元素。我們可以簡(jiǎn)單地鍵入6，因?yàn)樵谖覀兊臄?shù)據(jù)框中有6行。但是，下一次我們運(yùn)行代碼時(shí)，此數(shù)字可能會(huì)更改。我們可以使用len()方法來(lái)計(jì)算列表對(duì)象dataraw的長(zhǎng)度。而且我們必須在dataraw的長(zhǎng)度上加1，因?yàn)镻ython從0開(kāi)始計(jì)數(shù)。

　　下面的Python輸出向我們顯示，數(shù)據(jù)幀的索引現(xiàn)在從1開(kāi)始，以6結(jié)尾。

　　使用getAsDict（）

　　您還可以使用getAsDict()將Stata數(shù)據(jù)復(fù)制到Python字典中。參數(shù)與get()相同，并且生成的字典包含Stata變量的名稱。這意味著在將字典轉(zhuǎn)換為數(shù)據(jù)框時(shí)，我們不必命名列。創(chuàng)建以1開(kāi)頭的數(shù)據(jù)幀索引的方法有所不同，因?yàn)樽值涞拈L(zhǎng)度不是Stata觀測(cè)值的數(shù)量。在下面的代碼塊中，我將obs定義為字典dataraw中值列表的長(zhǎng)度。我使用了next()和iter()函數(shù)來(lái)遍歷字典dataraw中的值。我又加了1，因?yàn)镻ython從0開(kāi)始計(jì)數(shù)。

　　下面的Python輸出顯示，生成的數(shù)據(jù)框看起來(lái)非常類似于我們使用get()創(chuàng)建的數(shù)據(jù)框。

　　只是基礎(chǔ)

　　也許您不希望限制樣本，也不介意從零開(kāi)始的索引。您只想將變量集合復(fù)制到Python中的pandas數(shù)據(jù)框中。下面的代碼塊將執(zhí)行此操作，并將Stata缺失值轉(zhuǎn)換為Python缺失值。

　　下面的輸出顯示數(shù)據(jù)框dataframe，它準(zhǔn)備好進(jìn)行圖形化或數(shù)據(jù)分析。

　　結(jié)論

　　我們做到了！我們使用SFI模塊的Data類中的get()和getAsDict()方法將Stata數(shù)據(jù)集的一部分復(fù)制到Python數(shù)據(jù)框中。我們甚至考慮了丟失的數(shù)據(jù)。每當(dāng)我們想將Python合并到我們的數(shù)據(jù)管理，分析或報(bào)告中時(shí)，都可以在我們的do文件，ado文件和Python腳本中輕松使用get()和getAsDict()。下次，我將向您展示如何使用SFI將數(shù)據(jù)從Python復(fù)制到Stata數(shù)據(jù)集中。

　　為了幫助大家更好的了解Stata軟件，特開(kāi)放試用申請(qǐng)，請(qǐng)自動(dòng)識(shí)別上方二維碼，并確保申請(qǐng)信息的正確性，其中 * 號(hào)為必填項(xiàng)，我們將通過(guò)您提交的電子郵箱地址發(fā)送許可信息，感謝您的支持。

　　Stata 軟件訂購(gòu)

　　北京友萬(wàn)信息科技有限公司作為Stata軟件在中國(guó)大陸的授權(quán)經(jīng)銷商及合作伙伴，希望能給Stata中國(guó)用戶提供更多服務(wù)與支持，并幫助中國(guó)用戶建立完善的軟件售后服務(wù)體系。如需Stata V16新版本采購(gòu)及老版本更新升級(jí)請(qǐng)聯(lián)系我們，感謝您的支持與關(guān)注。手機(jī)/微信：18610597626 郵箱: crystal@uone-tech.cn

　　專注分享商業(yè)數(shù)據(jù)分析、金融數(shù)據(jù)分析、應(yīng)用統(tǒng)計(jì)分析、知識(shí)圖譜、機(jī)器學(xué)習(xí)、計(jì)量經(jīng)濟(jì)、人工智能、網(wǎng)絡(luò)爬蟲(chóng)、自動(dòng)化報(bào)告與可重復(fù)研究等熱門技術(shù)內(nèi)容。定向培養(yǎng)Stata、Python、R語(yǔ)言數(shù)據(jù)人才，助力產(chǎn)學(xué)研政企商協(xié)同發(fā)展，為中國(guó)大數(shù)據(jù)產(chǎn)業(yè)蓄能。合作熱線：010-56451129 郵箱：info@uone-tech.cn。