互为你我：Python 与 Stata 对比

来源: Comparison with Stata
译者：郭李鹏 (山西晋城市财政局)
Stata 连享会：知乎 | 简书 | 码云

编者按：不同语言和软件有其独特功能。在研究工作中，我们往往会同时采用多种工具完成我们的研究任务。本文通过实例对比 Python 和 Stata 在语法上的差别，以便于各位能在二者之间自如切换。事实上，两边的用户都在努力促成彼此的融合，介绍 Python 与 Stata 结合的文章如下：

双剑合璧之Stata与Python：初识IPyStata - 知乎
Data Workflows in Stata and Python Data Workflows in Stata and Python
Python - Comparison with Stata — pandas 0.24.2 documentation
GitHub - jrfiedler/python-in-stata: Use Python within Stata

python 爬虫与文本分析专题-现场班

连享会-Python爬虫与文本分析现场班-山西大学 2019.5.17-19[h2]一起学空间计量……[/h2]
空间计量专题-西安 2019.6.27-30

特别说明

文中包含的链接在微信中无法生效。请点击本文底部左下角的

【阅读原文】

复制代码

，转入本文

【简书版】

复制代码

。
对于使用 Stata 的用户，本文通过对比演示如何用 pandas 实现 Stata 的基本操作。
如果你对 pandas 还不熟悉，你可以先通读一遍 10 分钟入门 pandas ，熟悉一下相关库。
通常我们按照如下方式导入 pandas 和 numpy 库，在本文后续部分，我们将使用 pd 和 np 分别代表相关库。

1. In [1]: import pandas as pd
复制代码
1. In [2]: import numpy as np
复制代码

请注意
本文通过调用

df.head()

复制代码

命令来显示 pandas 数据集

DataFrame

复制代码

的前 N ( 默认 5 ) 行数据。Stata 中对应命令为：

1. list in 1/5
复制代码

[h1]1. 数据结构[/h1][h2]1.1 常用术语对照[/h2]pandasStataDataFramedata setcolumnvariablerowobservationgroupbybysortNaN.[h2]1.2 DataFrame / Series[/h2]pandas 中的

DataFrame

复制代码

类似于 Stata 数据集——一个二维数据，每列可以是不同的值类型。正如本文将要展示，几乎任何可以对 Stata 的数据集应用的操作都可以在 pandas 中完成。

Series

复制代码

是表示

DataFrame

复制代码

列的数据结构。Stata 没有针对列的单独数据结构，但通常，使用

Series

复制代码

类似于引用 Stata 数据集中的列。
[h2]1.3 Index[/h2]每个

DataFrame

复制代码

和

Series

复制代码

都有一个

Index

复制代码

索引——数据行的标签。Stata 没有一个完全类似的概念。在 Stata 中，除了可以用暗含索引

_n

复制代码

访问行外，数据基本没有行标签。
在 pandas 中，即使没有指定索引，也可以使用默认整数索引(第一行= 0，第二行= 1，依次类推)。虽然使用单个索引或多个索引可以进行复杂的分析，并且是

pandas

复制代码

的重要功能，但是为了与 Stata 比较，本文中将基本忽略行索引，只将

DataFrame

复制代码

作为列的集合。获取更多有关使用索引的信息，请参阅索引文档。
[h1]2. Data Input / Output[/h1][h2]2.1 创建 DataFrame[/h2]Stata数据通过

input

复制代码

语句赋值并指定列名。

1. input x y
复制代码
1. 1 2
复制代码
1. 3 4
复制代码
1. 5 6
复制代码
1. end
复制代码

创建

DataFrame

复制代码

有很多，数据量较小时，最常用的方法是传入一个 Python 字典，其中字典每一个 key 对应一列，与 key 对应 value 是该列下所有数据。

1. In [3]: df = pd.DataFrame({'x': [1, 3, 5], 'y': [2, 4, 6]})
复制代码
1. In [4]: df
复制代码
1. Out[4]:
复制代码
1. x y
复制代码
1. 0 1 2
复制代码
1. 1 3 4
复制代码
1. 2 5 6
复制代码

[h2]2.2 读取外部数据[/h2]与 Stata 一样，pandas 可以从许多格式文件中读取数据。可以通过链接获取 pandas 测试数据集

tips

复制代码

，我们将在下面的许多示例中使用到这份数据。
Stata 通过

import delimited

复制代码

将 csv 数据文件读入内存中。如果

tips.csv

复制代码

文件在当前工作目录中，我们可以按照以下方式导入。

1. import delimited tips.csv
复制代码

pandas 通过

read_csv()

复制代码

方法读取 csv 文件，与 Stata 工作原理类似。此外，pandas 可以通过 url 自动下载数据集。

1. In [5]: url = ('https://raw.github.com/pandas-dev'
复制代码
1. ...: '/pandas/master/pandas/tests/data/tips.csv')
复制代码
1. ...:
复制代码
1. In [6]: tips = pd.read_csv(url)
复制代码
1. In [7]: tips.head()
复制代码
1. Out[7]:
复制代码
1. total_bill tip sex smoker day time size
复制代码
1. 0 16.99 1.01 Female No Sun Dinner 2
复制代码
1. 1 10.34 1.66 Male No Sun Dinner 3
复制代码
1. 2 21.01 3.50 Male No Sun Dinner 3
复制代码
1. 3 23.68 3.31 Male No Sun Dinner 2
复制代码
1. 4 24.59 3.61 Female No Sun Dinner 4
复制代码

与

import delimited

复制代码

一样，

read_csv()

复制代码

可以使用更多参数来导入数据。例如，如果数据是用 tab 分隔的，没有列名，并且存在于当前工作目录中， panda 命令将是:

1. tips = pd.read_csv('tips.csv', sep='\t', header=None)
复制代码
1. # alternatively, read_table is an alias to read_csv with tab delimiter
复制代码
1. tips = pd.read_table('tips.csv', header=None)
复制代码

pandas 还可以使用

read_stata()

复制代码

函数读取

.dta

复制代码

格式的 Stata 数据。

1. df = pd.read_stata('data.dta')
复制代码

除了 text/csv 和 Stata 文件之外，pandas 还支持许多种其他数据格式，如 Excel / SAS / HDF 5 / Parquet 和 SQL 数据库。这些都是通过

pd.read_*

复制代码

相关命令读取的。有关详细信息，请参阅 IO 文档。
[h2]2.3 导出数据[/h2]在 Stata 中，与

import delimited

复制代码

功能相反的函数是

export delimited

复制代码

。

1. export delimited tips2.csv
复制代码

类似地，在 pandas 中，

read_csv

复制代码

功能相反的函数是

DataFrame.to_csv()

复制代码

。

1. tips.to_csv('tips2.csv')
复制代码

pandas 还可以使用

DataFrame.to_stata()

复制代码

方法导出到 Stata 格式文件。

1. tips.to_stata('tips2.dta')
复制代码

[h1]3. 数据操作[/h1][h2]3.1 列操作[/h2]在 Stata 中，可以使用

generate

复制代码

和

replace

复制代码

在数据某一列或新产生一列上运算任意数学公式。

1. replace total_bill = total_bill - 2
复制代码
1. generate new_bill = total_bill / 2
复制代码
1. drop new_bill
复制代码

pandas 通过在

DataFrame

复制代码

中 x 选定各个

Series

复制代码

来进行类似的向量化操作。可以用同样的方法产生新的列。可以用

DataFrame.drop()

复制代码

方法从 DataFrame 中删除列。

1. In [8]: tips['total_bill'] = tips['total_bill'] - 2
复制代码
1. In [9]: tips['new_bill'] = tips['total_bill'] / 2
复制代码
1. In [10]: tips.head()
复制代码
1. Out[10]:
复制代码
1. total_bill tip sex smoker day time size new_bill
复制代码
1. 0 14.99 1.01 Female No Sun Dinner 2 7.495
复制代码
1. 1 8.34 1.66 Male No Sun Dinner 3 4.170
复制代码
1. 2 19.01 3.50 Male No Sun Dinner 3 9.505
复制代码
1. 3 21.68 3.31 Male No Sun Dinner 2 10.840
复制代码
1. 4 22.59 3.61 Female No Sun Dinner 4 11.295
复制代码
1. In [11]: tips = tips.drop('new_bill', axis=1)
复制代码

[h2]3.2 条件过滤[/h2]Stata 中使用

if

复制代码

语句对一个或多个列的数据进行筛选。

1. list if total_bill > 10
复制代码

DataFrames 有多种过滤方式，最直观的是使用 boolean indexing 。

1. In [12]: tips[tips['total_bill'] > 10].head()
复制代码
1. Out[12]:
复制代码
1. total_bill tip sex smoker day time size
复制代码
1. 0 14.99 1.01 Female No Sun Dinner 2
复制代码
1. 2 19.01 3.50 Male No Sun Dinner 3
复制代码
1. 3 21.68 3.31 Male No Sun Dinner 2
复制代码
1. 4 22.59 3.61 Female No Sun Dinner 4
复制代码
1. 5 23.29 4.71 Male No Sun Dinner 4
复制代码

[h2]3.3 If 条件语句[/h2]在 Stata 中，可以使用 if 语句来创建新列。

1. generate bucket = "low" if total_bill = 10
复制代码

在 pandas 中也可以使用

numpy

复制代码

的

where

复制代码

方法来完成相同的操作。

[code]In [13]: tips['bucket'] = np.where(tips['total_bill']