python函数手册 stata_Python与Stata数据交互之时间变量
本篇将继续介绍Python与Stata的数据交互过程中的时间变量处理的问题。
在开始介绍之前，通知一下：本文，包括之前部分文章的源代码已经托管至github上了，地址："https://github.com/zhangdashenqi/"，请需要的同学自取。
1. 使用Stata函数处理
在上一篇（传送门：张大神气：Python与Stata的数据交互），我们介绍了在Stata16中Python和Stata的数据交互问题，但对于时间变量的处理还没有解决。这一篇将基于上一篇继续解决时间变量的处理问题。
首先，我们使用Stata中的时间函数来解决这个问题，代码如下：
clear
python:
from sfi import Data
import numpy as np
import tushare as ts
# 定义数据类型
intList = [np.int8, np.int16, np.int32, np.int64,
np.uint8, np.uint16, np.uint32, np.uint64]
floatList = [np.float16, np.float32, np.float64]
# 获取数据
df = ts.get_hist_data('hs300')
df = df.reset_index() # 将索引转化为列
# 添加变量
Data.addObs(df.shape[0])
for i in range(0, df.shape[1]):
if df.iloc[:, i].dtype in intList:
Data.addVarInt(df.iloc[:, i].name)
elif df.iloc[:, i].dtype in floatList:
Data.addVarFloat(df.iloc[:, i].name)
else:
Data.addVarStrL(df.iloc[:, i].name)
# 存储数据
for i in range(0, df.shape[1]):
Data.store(df.iloc[:, i].name, None, df.iloc[:, i])
end
br
gen date2 = date(date, "YMD")
format date2 %tdCCYY-NN-DD
order date*
第35行，我们根据字符串变量date使用Stata内置函数date()来生成日期变量date2。
第36行，设置日期变量date2的显示形式。
结果如下：
2. 使用Python处理
这里我们首先要从sfi模块中导入Datetime类，使用Datetime类中的相关方法完成处理时间变量的操作。
代码如下：
clear
python:
from sfi import Data, Datetime
import pandas as pd
import numpy as np
import tushare as ts
# 定义数据类型
intList = [np.int8, np.int16, np.int32, np.int64,
np.uint8, np.uint16, np.uint32, np.uint64]
floatList = [np.float16, np.float32, np.float64]
# 获取数据
df = ts.get_hist_data('hs300')
# df = df.reset_index() # 将索引转化为列
# 处理时间变量
df.index = pd.to_datetime(df.index.tolist()) # 将object转换为Datetime
dateSIF = [Datetime.getSIF(i, '%tdCCYY-NN-DD') for i in df.index]
# 添加变量
Data.addObs(df.shape[0])
Data.addVarFloat('date') # 添加Date变量
for i in range(0, df.shape[1]):
if df.iloc[:, i].dtype in intList:
Data.addVarInt(df.iloc[:, i].name)
elif df.iloc[:, i].dtype in floatList:
Data.addVarFloat(df.iloc[:, i].name)
else:
Data.addVarStrL(df.iloc[:, i].name)
# 存储数据
Data.store('date', None, dateSIF) # 存储时间变量
Data.setVarFormat('date', '%tdCCYY-NN-DD') # 设置变量形式
for i in range(0, df.shape[1]):
Data.store(df.iloc[:, i].name, None, df.iloc[:, i])
end
br
第19行，数据df的索引的数据类型本来是numpy.object类型，这里我们使用Pandas内置方法pd.to_datetime()将其索引类型转变为Datetime类型。
第20行，使用sfi模块中的Datetime.getSIF()方法将上述索引通过列表推导式转换为一个列表。SIF即Stata Internal Form，是Stata以数字形式存储时间变量的一种格式（类似于时间戳的概念）。
第25行，上述代码得到的dateSIF是一个浮点数组成的列表，因此，我们需要添加浮点数变量以存储时间变量。 第36行，将dateSIF存储到之前定义的时间变量date中。
第37行，使用Data.setVarFormat()设置时间变量的显示形式。
结果如下：
可以看出，生成的date变量都是日期类型的变量。
3. 一些改进
上述代码，在迭代的时候使用的是下标迭代的方式，这种方式简单且容易理解，但对于变量很多的情况，速度就会比较慢。
幸好，Pandas自身提供了一些迭代的方法，如下代码的第20~27行。这里请感兴趣的同学去参看Pandas的文档，我就不再赘述了。
clear
python:
from sfi import Data
import numpy as np
import tushare as ts
# 定义数据类型
intList = [np.int8, np.int16, np.int32, np.int64,
np.uint8, np.uint16, np.uint32, np.uint64]
floatList = [np.float16, np.float32, np.float64]
# 获取数据
df = ts.get_hist_data('hs300')
df = df.reset_index() # 将索引转化为列
# 添加变量
Data.addObs(df.shape[0])
for item, frame in df.iteritems():
if frame.dtype in intList:
Data.addVarInt(item)
elif frame.dtype in floatList:
Data.addVarFloat(item)
else:
Data.addVarStrL(item)
Data.store(item, None, frame) # 存储数据
end
br
完~