用Python完成以下代码：读取家长问卷数据，'data2013\cepsw1parentEN.dta'，提取其中的'ids'（学生 id）, 'grade9' （孩子是否为九年级）, 'ba1401', 'ba1402', 'ba1403', 'ba1404', 'ba1405', 'ba1701', 'ba1702', 'ba1703', 'ba1704', 'ba1705', 'ba1706' 等列，完成相关数据清洗工作： ①删除含有缺失值的行（any）。 ②对'ba1401', 'ba1402', 'ba1403', 'ba1404', 'ba1405'，请根据下表，将【1.从不 2.偶尔】记 0 分， 【3.经常】记为 1 分，并添加新列，其值为 5 个问题的得分总和。③对'ba1701', 'ba1702', 'ba1703', 'ba1704', 'ba1705', 'ba1706'，请根据下表，将【1.从未做过 2. 每年一次 3.每半年一次】记 0 分，【4.每个月一次 5.每周一次 6.每周一次以上】记为 1 分， 并添加新列，其值为 6 个问题的得分总和。④删除多余的列，仅保留 4 列：【'ids', 'grade9',②得到的新列，③得到的新列】，展示表格的 前 5 行和最后 5 行的拼接。（使用 concat 和 head 和 tail 函数）

以下是代码实现：

import pandas as pd

# 读取数据
data = pd.read_stata('data2013/cepsw1parentEN.dta', convert_categoricals=False)

# 提取需要的列
cols = ['ids', 'grade9', 'ba1401', 'ba1402', 'ba1403', 'ba1404', 'ba1405', 'ba1701', 'ba1702', 'ba1703', 'ba1704', 'ba1705', 'ba1706']
data = data[cols]

# 删除含有缺失值的行
data = data.dropna(how='any')

# 处理'ba1401', 'ba1402', 'ba1403', 'ba1404', 'ba1405'列
ba14_cols = ['ba1401', 'ba1402', 'ba1403', 'ba1404', 'ba1405']
ba14_scores = []
for col in ba14_cols:
    score = data[col].replace({1: 0, 2: 0, 3: 1})
    ba14_scores.append(score)
data['ba14_scores'] = sum(ba14_scores)
    
# 处理'ba1701', 'ba1702', 'ba1703', 'ba1704', 'ba1705', 'ba1706'列
ba17_cols = ['ba1701', 'ba1702', 'ba1703', 'ba1704', 'ba1705', 'ba1706']
ba17_scores = []
for col in ba17_cols:
    score = data[col].replace({1: 0, 2: 0, 3: 0, 4: 1, 5: 1, 6: 1})
    ba17_scores.append(score)
data['ba17_scores'] = sum(ba17_scores)

# 删除多余的列
data = data[['ids', 'grade9', 'ba14_scores', 'ba17_scores']]

# 展示前 5 行和最后 5 行的拼接
print(pd.concat([data.head(), data.tail()]))

需要注意的是，这段代码中对于'ba1401', 'ba1402', 'ba1403', 'ba1404', 'ba1405'和'ba1701', 'ba1702', 'ba1703', 'ba1704', 'ba1705', 'ba1706'列的处理，使用了 pandas 的 replace 函数，将原始数据中的数值映射为相应的分数。最后，使用 concat 函数将前 5 行和最后 5 行的数据拼接起来，输出结果。