pandas.read_stata #

熊猫。read_stata ( filepath_or_buffer , * , Convert_dates = True , Convert_categoricals = True , index_col = None , Convert_missing = False , preserve_dtypes = True , columns = None , order_categoricals = True , chunksize = None ,迭代器= False ,压缩= 'infer' , storage_options =无) [来源] #

将 Stata 文件读入 DataFrame。

参数：

filepath_or_buffer str，路径对象或类文件对象

任何有效的字符串路径都是可接受的。该字符串可以是 URL。有效的 URL 方案包括 http、ftp、s3 和 file。对于文件 URL，需要一个主机。本地文件可以是：file://localhost/path/to/table.dta.

如果你想传入一个路径对象，pandas 接受任何os.PathLike.

通过类文件对象，我们引用具有read()方法的对象，例如文件句柄（例如通过内置open函数）或StringIO.

Convert_dates bool, 默认 True

将日期变量转换为 DataFrame 时间值。

Convert_categoricals bool, 默认 True

读取值标签并将列转换为分类/因子变量。

index_col str，可选

要设置为索引的列。

Convert_missing bool，默认 False

指示是否将缺失值转换为其 Stata 表示形式的标志。如果为 False，则缺失值将替换为 nan。如果为 True，则包含缺失值的列将以对象数据类型返回，缺失值由 StataMissingValue 对象表示。

keep_dtypes bool, 默认 True

保留 Stata 数据类型。如果为 False，则数字数据将向上转换为 pandas 外部数据的默认类型（float64 或 int64）。

列列表或无

要保留的列。列将按给定顺序返回。 None 返回所有列。

order_categoricals bool, 默认 True

指示转换后的分类数据是否有序的标志。

chunksize int，默认无

返回 StataReader 对象进行迭代，返回具有给定行数的块。

迭代器bool，默认 False

返回 StataReader 对象。

压缩str 或 dict，默认 'infer'

用于磁盘数据的即时解压缩。如果“infer”和“filepath_or_buffer”是类路径，则检测以下扩展名的压缩：“.gz”、“.bz2”、“.zip”、“.xz”、“.zst”、“.tar” 、“.tar.gz”、“.tar.xz”或“.tar.bz2”（否则不压缩）。如果使用“zip”或“tar”，ZIP 文件必须仅包含一个要读入的数据文件。设置为None则不解压缩。也可以是键设置为 { , , , , , }'method'之一的字典，其他键值对分别转发到 , , , ,或。作为示例，可以使用自定义压缩字典传递以下内容以进行 Zstandard 解压缩：。'zip''gzip''bz2''zstd''xz''tar'zipfile.ZipFilegzip.GzipFilebz2.BZ2Filezstandard.ZstdDecompressorlzma.LZMAFiletarfile.TarFilecompression={'method': 'zstd', 'dict_data': my_compression_dict}

1.5.0 版本中的新增功能：添加了对.tar文件的支持。

storage_options字典，可选

对于特定存储连接有意义的额外选项，例如主机、端口、用户名、密码等。对于 HTTP(S) URL，键值对将urllib.request.Request作为标头选项转发。对于其他 URL（例如以“s3://”和“gcs://”开头），键值对将转发到fsspec.open。请参阅fsspec和urllib了解更多详细信息，有关存储选项的更多示例，请参阅此处。

返回：

DataFrame 或 pandas.api.typing.StataReader

也可以看看

io.stata.StataReader: Stata 数据文件的低级阅读器。
DataFrame.to_stata: 导出 Stata 数据文件。

笔记

通过迭代器读取的分类变量可能不具有相同的类别和数据类型。当 DTA 文件中存储的变量与仅标记值的严格子集的不完整值标签集关联时，就会发生这种情况。

例子

为此示例创建一个虚拟状态

>>> df = pd.DataFrame({'animal': ['falcon', 'parrot', 'falcon', 'parrot'],
...                     'speed': [350, 18, 361, 15]})  
>>> df.to_stata('animals.dta')  

读取Stata dta文件：

>>> df = pd.read_stata('animals.dta')  

以 10,000 行块读取 Stata dta 文件：

>>> values = np.random.randint(0, 10, size=(20_000, 1), dtype="uint8")  
>>> df = pd.DataFrame(values, columns=["i"])  
>>> df.to_stata('filename.dta')  

>>> with pd.read_stata('filename.dta', chunksize=10000) as itr: 
>>>     for chunk in itr:
...         # Operate on a single chunk, e.g., chunk.mean()
...         pass  