stata数据清洗

小结

变量按照升序还是降序排列，用sort或gsort

两个变量谁排前谁排后，用order

变量展示tabstat或sum

list命令中in,可用于展示哪些到哪些变量。若list year 8/10,是把year排在第8-10的列示出来

bys,用于指定分组变量。如bys year : sum weight length

*- 代码实现，so easy
sysuse auto , clear
sort price
gsort -price
order price mpg
list price in 8/10
tabstat price mpg, s(n mean p50 max min sd)
bys rep78: sum price

1 sort命令

在将数据录入Stata后，如果想按照某一个或多个变量来对样本数据进行升序排序，可以使用sort命令。

按照id对数据进行排序：

sort id

按照id和year对数据进行排序：

sort id year

如果排序变量存在重复数据，为了使非排序变量保持原有的顺序，需要加入stable选项。

按照prov对数据进行排序，其他变量保持原先顺序：

sort prov,stable

如果不加stable，由于prov变量有相同的取值，相同取值对应的其他变量顺序将随机排列。

2 gsort命令

sort命令仅支持升序排列，如果想降序排列，需要使用gsort命令！

按照prov升序，year降序对数据进行排序：

gsort prov -year

按照year降序，gdp升序对数据进行排序，同时生成次序变量ob：

gsort -year gdp,g(ob)

3 order命令

order命令可以对变量的前后次序进行排列。

将id和year变量放到第一位和第二位：

order id year

将prov变量放gdp变量后面：

order prov ,a(gdp)        
*after,prov在gdp之后

将prov变量放gdp变量前面：

order prov ,b(gdp)  
*before,prov在gdp之前

4 list命令

list命令可以在结果窗口按条件列出相关变量。

列出gdp和export变量：

list gdp  export

列出第8到第42位置上的gdp变量：

list gdp  in 8/42

列出2020年的year和income变量：

list year income  if year==2020

列出2015年到2018年的year和income变量：

list year income  if (year>=2015 & year<=2018)

列出2015年和2018年的year和income变量：

list year income  if (year==2015 | year==2018)

5 tabstat命令

tabstat可以对变量进行描述性统计

列出gdp、export和income变量的均值：

tabstat gdp export income

列出gdp、export和income变量的样本数、均值、最大值、最小值和方差：

tabstat gdp export income,s(n mean max min sd)

列出按年份分组的gdp、export和income变量的样本数、均值、最大值、最小值和方差：

tabstat gdp export income,by(year) s(n mean max min sd)

6 sum命令

su可以直接给出变量的描述性统计结果

列出gdp、export和income变量的描述性统计结果：

su gdp export income      

列出按年份分组的gdp、export和income变量的描述性统计结果：

bys year:su gdp export income
*bys用于指定分组变量!