在Python中将.CSV文件转换为.DTA文件

我希望通过Python将许多.CSV文件转换为.DTA文件的过程自动化。DTA文件是由Stata统计语言处理的文件类型

然而，我还没能找到一种方法来做这件事

R

语言具有允许将R中的数据帧转换为.dta文件的功能，并且有一个通过RPy从Python到R语言的端口，但我不知道如何使用RPy访问R中的write（.dta）函数

---

有什么想法吗？

您需要Python的rpy2，以及安装在R中的

外来

包。您可以通过启动R并键入

安装.packages（“外来”）

来实现这一点。然后可以退出R并返回Python

那么这个,

import rpy2.robjects as robjects
robjects.r("require(foreign)")
robjects.r('x=read.csv("test.csv")')
robjects.r('write.dta(x,"test.dta")')

如果需要，可以从Python变量构造传递给

robjects.r

的字符串，例如：

robjects.r('x=read.csv("%s")' % fileName)

---

对于Python，您需要rpy2以及安装在R中的

foreign

包。您可以通过启动R并键入

install.packages（“foreign”）

来实现这一点。然后可以退出R并返回Python

那么这个,

import rpy2.robjects as robjects
robjects.r("require(foreign)")
robjects.r('x=read.csv("test.csv")')
robjects.r('write.dta(x,"test.dta")')

如果需要，可以从Python变量构造传递给

robjects.r

的字符串，例如：

robjects.r('x=read.csv("%s")' % fileName)

（从复制粘贴）

数据帧对象现在有一个“to_stata”方法。例如，你可以这样做

import pandas as pd
df = pd.read_stata('my_data_in.dta')
df.to_stata('my_data_out.dta')

免责声明：第一步非常慢（在我的测试中，读取51 MB dta大约需要1分钟-另请参见），第二步生成的文件可能比原始文件大很多（在我的测试中，大小从51 MB到111MB）。Spacedman的答案可能看起来不那么优雅，但可能更有效。

（从中复制粘贴）

数据帧对象现在有一个“to_stata”方法。例如，你可以这样做

import pandas as pd
df = pd.read_stata('my_data_in.dta')
df.to_stata('my_data_out.dta')

---

免责声明：第一步非常慢（在我的测试中，读取51 MB dta大约需要1分钟-另请参见），第二步生成的文件可能比原始文件大很多（在我的测试中，大小从51 MB到111MB）。Spacedman的答案可能看起来不那么优雅，但可能更有效。

获取DTA文件的规范并相应地解析CSV？我似乎不明白这是一个二进制文件有什么关系，因为您可以在二进制数据上使用python。@Parseltongue:您彻底阅读了RPy文档吗？另外，基本上，问题是否归结为“如何在R中编写DFA文件？”？可能有用-您试过了吗？获取DTA文件的规范并相应地解析CSV？我似乎不明白这是一个二进制文件有什么关系，因为您可以在二进制数据上使用python。@Parseltongue:您彻底阅读了RPy文档吗？另外，基本上，问题是否归结为“如何在R中编写DFA文件？”？可能有用-您尝试过吗？对那些不熟悉Stata的人的警告：请注意.dta格式不是常量，而是取决于Stata的版本。Stata X可以读取X或更低版本的.dta文件，但不一定读取更高版本的.dta文件。格式平均每2个版本就改变一次，因此大约每4年改变一次。有文件。我的印象是R对这些变化做出了响应，所以通过R通常是一个很好的解决方案。我不能对熊猫发表评论。我只能说pandas能够打开比X更晚的版本（不知道是哪一个，但我的STATA X无法打开），然后可以使用STATA X打开导出的dta。这听起来对您很好，除非转换过程降级数据，并在您和使用“相同”数据的其他人之间造成不一致。不太可能，但要小心。在我的评论中，正确的程序名是Stata。是的，Stata，对不起。在我的案例中，我验证了我的所有结果与原始结果一样是可复制的。这就是说，源代码确实警告了几个“未实现”（据我判断是次要的）特性：警告那些不熟悉Stata的人：请注意.dta格式不是常量，而是取决于Stata的版本。Stata X可以读取X或更低版本的.dta文件，但不一定读取更高版本的.dta文件。格式平均每2个版本就改变一次，因此大约每4年改变一次。有文件。我的印象是R对这些变化做出了响应，所以通过R通常是一个很好的解决方案。我不能对熊猫发表评论。我只能说pandas能够打开比X更晚的版本（不知道是哪一个，但我的STATA X无法打开），然后可以使用STATA X打开导出的dta。这听起来对您很好，除非转换过程降级数据，并在您和使用“相同”数据的其他人之间造成不一致。不太可能，但要小心。在我的评论中，正确的程序名是Stata。是的，Stata，对不起。在我的案例中，我验证了我的所有结果与原始结果一样是可复制的。也就是说，源代码确实警告了几个“未实现”（据我判断是次要的）特性：