stata——对导入数据的预处理

小结

本次主要是对导入数据的处理

比如有时需要对变量取对数，gen lnvar = ln(var)，以及求平均数等egen；

字符型数据和数值型数据的转换，可以生成新的encode和decode出马，也可以在原来的变量上直接变换，destring和tostring，replace force，强制执行；

改变变量名字rename;

等等等等，具体详见内容

1、gen命令

gen命令可以创建新的变量，可简写为g

sysuse auto, clear

*- 生成对数形式
gen lnprice = ln(price)

*- 生成对数形式，放在price后，after
gen lnprice1 = ln(price) , a(price)

*- 生成对数形式，放在price前，before
gen lnprice2 = ln(price) , b(price)

2、replace命令

replace命令可以替换现有变量的值

*- 将mpg缩小10倍
replace mpg = mpg/10

*- replace和gen命令组合使用
*- 设置虚拟变量的一种方式
gen d = 0 if rep78 <= 3
replace d =1 if rep78 > 3 

3、egen 命令

gen命令支持的函数不多

egen的生成有很多，比如最大值、最小值、平均值

具体用法可在stata命令窗口输入h egen

注，有什么不会的，都可以help一下下，如果没有，那就findit

4、by/bys和egen组合命令

如果想进行分组统计，则需要egen配合by/bys命令一起使用！

bys等于by命令加上sort选项，所以如果需要排序，直接用bys最方便

*- 用by——按照rep78对price变量数据分组求最小值
sort rep78
by rep78 : egen meanprice_rep78_by = mean(price)

*- 用bys——按照rep78对price变量数据分组求最小值
bys rep78 : egen meanprice_rep78_bys = mean(price)

5、encode/decode 命令
 

encode字符串类型变量来生产对应的数值型变量

decode可以根据标签化的数值型变量生产对应的字符串变量

*- encode，生成数值型变量
encode make, gen(m)

*- decode，生成字符型变量
decode m, gen(strm)

6、xtset 命令

如果想将数据转换为面板数据类型，需要使用xtset命令

*- 设置面板数据，在这里假设公司年份数据
*- 每个公司id，以及各个年份year
*- 若下载下来的公司代码id为字符型，需先encode一下
encode stkcd, gen(id)
xtset id year

*- 若要清除面板数据格式
xtset, clear

7、destring/tostring 命令

tostring和destring可以将数字转化为字符型变量或数值型变量。

将year变量转化为字符串类型：

tostring year,replace force
有些时候，将数据录入Stata中后，即使变量是数字，但是Stata识别成了字符型变量，可以使用destring将其转化为数值型变量。

将上一步转换为字符型的year变量转化为数值类型：

destring year,replace force

8、substr() 命令

substr()函数可以截取字符串的某些位置，通常结合tostring/destring命令使用

截取年份变量year的后两位：

第一步，如果year变量是数值型，先将其转换为字符型

tostring year,replace force
第二步，采用substr()函数截取后两位

g year_last2=substr(year,3,2)

参数year,3,2分别表示从year变量的第3个字符开始，截取2个字符。
第三步，将year和year_last2变量转化为数值型

destring year year_last2,replace force

9、rename 命令

格式为rename old_var new_var

10、drop/keep 命令

如果想删除某个或多个变量、删除某些样本，可以使用drop命令！

如果想保留某个或多个变量、删除某些样本，可以使用keep命令！

11、duplicates drop 命令

有些时候，如果录入数据时存在重复的样本，那么可以使用dupicates drop命令将重复数据删除！

*- 现在edit窗口随便复制粘贴到最后，然后按照下面操作
*- 列出重复的数据
duplicates list make
*- 删除重复的数据
duplicates drop make, force

12、clear和cls命令

如果想要删除所有的样本数据，可以使用clear命令，数据无价，一定要做好备份哇！

如果想要清屏，让stata的结果显示窗口干净些，就用cls命令。

注意，cls只是清屏而已，并没有删除stata运行的数据哦，和clear是不一样的哇！

完整代码

sysuse auto, clear

*- 生成对数形式
gen lnprice = ln(price)

*- 生成对数形式，放在price后，after
gen lnprice1 = ln(price) , a(price)

*- 生成对数形式，放在price前，before
gen lnprice2 = ln(price) , b(price)

*- 将mpg缩小10倍
replace mpg = mpg/10

*- replace和gen命令组合使用
*- 设置虚拟变量的一种方式
gen d = 0 if rep78 <= 3
replace d =1 if rep78 > 3 

*- 用by——按照rep78对price变量数据分组求最小值
sort rep78
by rep78 : egen meanprice_rep78_by = mean(price)

*- 用bys——按照rep78对price变量数据分组求最小值
bys rep78 : egen meanprice_rep78_bys = mean(price)


*- encode，生成数值型变量
encode make, gen(m)
*- decode，生成字符型变量
decode m, gen(strm)

*- 现在edit窗口随便复制粘贴到最后，然后按照下面操作
*- 列出重复的数据
duplicates list make
*- 删除重复的数据
duplicates drop make, force