stata学习笔记（五）：基于stata的数据清洗技能

---

字符串相关函数

数字字符串与数字之间的转换

destring 字符转数字

Tostring 数字转字符串

eg.  tostring year，replace

eg.  destring year，replace

分列

split，只适用于字符串

函数内容

  split strvar [if] [in] , p( "a" )  以a为分列点

eg.  split type,p("室" "厅" "卫")

  改一下变量名

提取：substr

函数内容

eg.  gen n=substr(num,3,.)

替换：subinstr

函数内容

eg.  gen n1=subinstr(num,"sh","00",.)

在字符串中寻找特定字符

替换变量:   同excel-样    “？”、“*”

*

"a*" :ab, a ,ass (以a开头)

“*a”" :ca,a,   (以a结尾)

"*a*" ggass,a... ( 包含a即可)

?

"a?" :ab (以a开头，后有1个字符)

"a? ?" :amm (以a开头，后有2个字符)

函数内容：

eg.  gen chaoxiang=strmatch(dir,"*南*")

eg.  keep if strmatch(dir,"*南*”）  只保留带南向的

数据分类，指示变量

虚拟变量——判断变量

判断price大于100的  自动判断,满足条件则返回1

eg.  gen 一百万=1 if price>100           

replace 一百万=0 if price<=100

label define h 0"便宜" 1"好贵"             

label value 一百万 h

分类变量

generate+ replace

函数内容

eg.  gen niandai=0         

replace niandai=2 if year<2000       

replace niandai=1 if year>=2000

recode

函数内容

eg.  recode year(1/2000=1)(2000/2010=2)(2010/2020=3)，gen(niandai2)

group

group(x)建立一个分类变量，将排序后的数据分为尽量等规模的X个样本(根据样本量来分类）

eg.  sort year

gen m3=group(5)

autocode

函数内容

autocode ( x，n，xmnin，xmax )
X:根据x变量分类
N:分为n类
Xmin. Xmax :根据规定的值域来分成等间距n份。并求出x值所在区间的上限

eg.  gen price2=autocode(price,5,10,480)

数据合并

横向合并

merge

两个数据文件合并一起，合并后可能变量变多，数据文件变宽了，需要有一 个变量作为参考.以此变量进行识别  （数据匹配）

函数内容

Merge=1不吻合，内存内数据存在的个案

Merge=2 不吻合，内存外数据存在的个案

Merge=3 吻合

eg.  use data0201

merge 1:1 num using data0202

纵向合并

append

函数内容

前提工作

两个文件需要有相间的变量名

变量类型一定要一致

变量的num不重复

eg.   use 0301

append using data0302

交叉合并

joinby组内合并

函数内容

比如两个样本都有分组，每一组里的样本交叉对应,取交集

举个栗子:根据两个家庭的编号，把父母和孩子配对

eg.  joinby famliyID using data0502

感谢收看，共勉~