如何通過熊貓導入.dta並描述數據？

Question

我是python的新手，有一個簡單的問題。 第一步，我想加載我在Stata中創建的一些示例數據。 第二步，我想用python描述數據-也就是說，我想要一個導入變量名的列表。 到目前為止，我已經做到了：

from pandas.io.stata import StataReader

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

dir()

我收到以下錯誤：

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")

這是什么意思，我該如何解決？ 而且， dir()是了解我在數據中具有哪些變量的正確方法嗎？

Answer 1

在pandas 0.18.1版本中已不建議使用pandas.io.stata.StataReader.data讀取stata文件，因此您將收到該警告。

相反，您必須使用pandas.read_stata讀取文件，如下所示：

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

Answer 2

有時這對我不起作用，尤其是在數據集很大時。 所以我在這里建議的是2個步驟（Stata和Python）

在Stata中，編寫以下命令：

export excel Cevdet.xlsx, firstrow(variables)

並復制變量標簽，寫以下內容

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

這將為您生成兩個文件Cevdet.xlsx和myfile.xlsx

現在您去看Jupyter筆記本

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

這將允許您將兩個文件讀入jupyter（python 3）

我的建議是保存此數據文件（尤其是大文件時）

df.to_pickle('Cevdet')

下次打開jupyter時，您只需運行

df=pd.read_pickle("Cevdet")