39-2-1、path(必须)：要写入的文件的路径(包括文件名)。

39-2-2、convert_dates(可选，默认值为None)：字典，指定哪些列应该被转换为Stata的日期或日期时间格式，键是列名，值是日期时间格式(如'tc'表示Stata中的日期时间，'td'表示日期)。如果列名不是DataFrame中的列，则会被忽略。

39-2-3、write_index(可选，默认值为True)：是否将DataFrame的索引作为一列写入Stata文件。如果为False，则不写入索引。

39-2-4、byteorder(可选，默认值为None)：字节顺序，用于写入文件。通常为None，允许pandas自行决定(通常是< 表示小端序)，但在某些特殊情况下，如果Stata文件需要在特定系统或版本上读取，可能需要手动设置。

39-2-5、time_stamp(可选，默认值为None)：写入文件的时间戳，这不会改变文件内容，但会在Stata中作为数据集的创建或修改时间显示。

39-2-6、data_label(可选，默认值为None)：数据集标签，一个简短的描述性文本字符串，用于在Stata中标识数据集。

39-2-7、variable_labels(可选，默认值为None)：字典，指定DataFrame中各列的变量标签，键是列名，值是描述性文本字符串。

39-2-8、version(可选，默认值为114)：Stata文件的版本，对应于Stata 14及更高版本，不同版本的Stata支持不同的数据类型和特性。

39-2-9、convert_strl(可选，默认值为None)：Stata 14引入了strl类型，用于存储长度可变的字符串，这个参数允许你指定哪些列应该被转换为strl类型(如果version参数允许)。默认情况下pandas会根据列中的最大字符串长度自动决定是否使用strl类型。

39-2-10、compression(可选，默认值为'infer')：压缩方法。'infer' 会根据 path 的文件扩展名自动选择压缩方法(如果文件扩展名为.zip或.xz)，'zip'和'xz'分别指定ZIP和XZ压缩。如果为None，则不进行压缩。

39-2-11、storage_options(可选，默认值为None)：用于任何存储连接的额外选项，例如存储账户凭证，这通常用于云存储系统(如S3、GCS、HDFS等)，对于本地文件系统或标准的文件I/O操作，此参数通常不使用。

39-2-12、value_labels(可选，默认值为None)：字典，用于为DataFrame中的分类变量指定值标签。键是列名，值是一个从类别值到标签的映射字典，这对于在Stata中创建易于理解的分类变量非常有用。

39-3、功能

        用于将pandas DataFrame保存到Stata的.dta格式文件中。

39-4、返回值

        本身并不返回任何值(即返回值为None)，它的主要作用是将DataFrame的内容写入到指定的 .dta文件中，而不是在Python环境中返回一个对象或值。

39-5、说明

        Stata是一种广泛使用的统计软件，.dta文件是Stata的专有数据格式，用于存储数据集。通过这个函数，用户可以将pandas DataFrame中的数据保存为Stata可以直接读取和处理的文件格式。

39-6、用法

39-6-1、数据准备

无

39-6-2、代码示例

# 39、pandas.DataFrame.to_stata函数

import pandas as pd

# 创建一个示例DataFrame

data = {

'name': ['John', 'Anna', 'Peter', 'Linda'],

'age': [28, 34, 29, 32],

'date_of_birth': pd.to_datetime(['1992-01-01', '1988-02-15', '1991-07-23', '1989-10-10']),

'city': ['New York', 'Paris', 'Berlin', 'London']

}

df = pd.DataFrame(data)

# 设置变量标签

variable_labels = {

'name': 'Person Name',

'age': 'Age in Years',

'date_of_birth': 'Date of Birth',

'city': 'City of Residence'

}

# 设置数据标签

data_label = 'Demo Dataset for Pandas to Stata Conversion'

# 将 DataFrame 保存到 Stata 文件

# 这里我们使用了 Stata 114 格式（即 Stata 14 及以上版本），它支持字符串变量长度超过 244 字符

# 我们还指定了转换日期，写入索引，并添加了变量和数据标签

df.to_stata('example.dta',

convert_dates={'date_of_birth': 'td'}, # 将 'date_of_birth' 转换为 Stata 日期格式

write_index=False, # 不写入索引到 Stata 文件

variable_labels=variable_labels, # 添加变量标签

data_label=data_label, # 添加数据标签

version=114) # 指定 Stata 文件的版本

print("DataFrame has been successfully saved to Stata file.")

39-6-3、结果输出

# DataFrame has been successfully saved to Stata file.

40、pandas.read_stata函数

40-1、语法

# 40、pandas.read_stata函数

pandas.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, iterator=False, compression='infer', storage_options=None)code>

Read Stata file into DataFrame.

Parameters:

filepath_or_bufferstr, path object or file-like object

Any valid string path is acceptable. The string could be a URL. Valid URL schemes include http, ftp, s3, and file. For file URLs, a host is expected. A local file could be: file://localhost/path/to/table.dta.

If you want to pass in a path object, pandas accepts any os.PathLike.

By file-like object, we refer to objects with a read() method, such as a file handle (e.g. via builtin open function) or StringIO.

convert_datesbool, default True

Convert date variables to DataFrame time values.

convert_categoricalsbool, default True

Read value labels and convert columns to Categorical/Factor variables.

index_colstr, optional

Column to set as index.

convert_missingbool, default False

Flag indicating whether to convert missing values to their Stata representations. If False, missing values are replaced with nan. If True, columns containing missing values are returned with object data types and missing values are represented by StataMissingValue objects.

preserve_dtypesbool, default True

Preserve Stata datatypes. If False, numeric data are upcast to pandas default types for foreign data (float64 or int64).

columnslist or None

Columns to retain. Columns will be returned in the given order. None returns all columns.

order_categoricalsbool, default True

Flag indicating whether converted categorical data are ordered.

chunksizeint, default None

Return StataReader object for iterations, returns chunks with given number of lines.

iteratorbool, default False

Return StataReader object.

compressionstr or dict, default ‘infer’

For on-the-fly decompression of on-disk data. If ‘infer’ and ‘filepath_or_buffer’ is path-like, then detect compression from the following extensions: ‘.gz’, ‘.bz2’, ‘.zip’, ‘.xz’, ‘.zst’, ‘.tar’, ‘.tar.gz’, ‘.tar.xz’ or ‘.tar.bz2’ (otherwise no compression). If using ‘zip’ or ‘tar’, the ZIP file must contain only one data file to be read in. Set to None for no decompression. Can also be a dict with key 'method' set to one of {'zip', 'gzip', 'bz2', 'zstd', 'xz', 'tar'} and other key-value pairs are forwarded to zipfile.ZipFile, gzip.GzipFile, bz2.BZ2File, zstandard.ZstdDecompressor, lzma.LZMAFile or tarfile.TarFile, respectively. As an example, the following could be passed for Zstandard decompression using a custom compression dictionary: compression={'method': 'zstd', 'dict_data': my_compression_dict}.

New in version 1.5.0: Added support for .tar files.

storage_optionsdict, optional

Extra options that make sense for a particular storage connection, e.g. host, port, username, password, etc. For HTTP(S) URLs the key-value pairs are forwarded to urllib.request.Request as header options. For other URLs (e.g. starting with “s3://”, and “gcs://”) the key-value pairs are forwarded to fsspec.open. Please see fsspec and urllib for more details, and for more examples on storage options refer here.

Returns:

DataFrame or pandas.api.typing.StataReader.

40-2、参数