如何通过 pandas 导入 .dta 并描述数据？答案

【问题标题】：How to import .dta via pandas and describe data?如何通过 pandas 导入 .dta 并描述数据？
【发布时间】：2016-12-28 03:08:30
【问题描述】：

我是 python 新手，遇到一个简单的问题。第一步，我想加载一些我在 Stata 中创建的示例数据。在第二步中，我想在 python 中描述数据——也就是说，我想要一个导入的变量名称的列表。到目前为止，我已经这样做了：

from pandas.io.stata import StataReader

reader = StataReader('sample_data.dta')
data = reader.data()

dir()

我收到以下错误：

anaconda/lib/python3.5/site-packages/pandas/io/stata.py:1375: UserWarning: 'data' is deprecated, use 'read' instead
  warnings.warn("'data' is deprecated, use 'read' instead")

这是什么意思，我该如何解决这个问题？而且，dir() 是了解我在数据中有哪些变量的正确方法吗？

【问题讨论】：

标签： python-3.x pandas import error-handling stata

【解决方案1】：

使用pandas.io.stata.StataReader.data 读取stata 文件在pandas 0.18.1 版本中已被弃用，因此您会收到该警告。

相反，您必须使用pandas.read_stata 来读取文件，如下所示：

df = pd.read_stata('sample_data.dta')
df.dtypes                                        ## Return the dtypes in this object

【讨论】：

感谢我使用了import pandas 和您建议的命令。但是，df.dtyps 不返回数据类型。关于原因的任何提示？
您必须在其前面添加print 语句。
完美，工作！谢谢！我希望，我现在可以使用 vars。我可以简单地通过变量名称调用变量还是必须先指定它们？
如果您指的是列，您可以通过df['column name'] 访问它们。

【解决方案2】：

有时这对我不起作用，尤其是当数据集很大时。所以我在这里建议的是 2 个步骤（Stata 和 Python）

在Stata中编写以下命令：

export excel Cevdet.xlsx, firstrow(variables)

要复制变量标签，请编写以下内容

describe, replace
    list
    export excel using myfile.xlsx, replace first(var)
restore

这将为您生成两个文件 Cevdet.xlsx 和 myfile.xlsx

现在你转到你的 jupyter 笔记本

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_excel('Cevdet.xlsx')

这将允许您将两个文件读入 jupyter (python 3)

我的建议是保存这个数据文件（特别是如果它很大）

df.to_pickle('Cevdet')

下次打开 jupyter 时可以直接运行

df=pd.read_pickle("Cevdet")

【讨论】：