组内交叉合并——joinby

在之前的推文《多对多合并》中，爬虫君详细介绍了在使用merge命令进行多对多合并时，遇到问题应该如何处理。整体思路是，把多对多合并变为一对多或多对一合并。今天爬虫君再介绍一种方法，即使用joinby命令，可以实现两个数据集之间的成对合并。

老规矩，先在stata中键入 help joinby 查看一下它的语法：

当数据集中的观测值相互匹配时，有两个选项： update 和 replace

（1） update ：当两个数据集的观测值相匹配时，连接方式会有所不同。在默认情况下，当两个数据集中存在相同的变量时，master数据集的值将被保留。如果指定了此选项，当master数据集中的数据中含有缺失值时，合并后using数据集中的非缺失值将对其进行覆盖更新。

（2） replace ：这个选项只能与update一起使用，指定master数据集中的非缺失值将被using数据集的相应值替换。但是这里需要注意的是，一个非缺失的观测值不会被一个缺失的观测值替换。

当数据集中的观测值不能相互匹配时，有三个选项： unmatched（）、_merge(varname) 和 nolabel

（1） unmatched（） ：指定是否要保留其中一个数据集的唯一观测值，并将其他数据集的变量设置为缺失值。其中 unmatched(none) 表示忽略所有不匹配的观测值(默认设置)； unmatched(both) 表示保留来自master数据集和using数据集的不匹配的观测值； unmatched(master) 表示保留来自master数据集中不匹配的观测值； unmatched(using) 表示保留来自using数据集中不匹配的观测值。

（2） _merge(varname) ：该选项用来显示合并结果中，观测值得来源。varname为指定的变量名称。

（3） nolabel ：使用这个选项可以防止Stata从using数据集（磁盘中的数据）复制值标签到master数据集（内存中的数据）。

下面小编就用例子来具体讲解如何使用joinby来实现两个数据集之间的成对合并

1、例子一

（1）首先生成两个dta文件

clear

input id str3 v1

1 "a"

1 "b"

1 "c"

1 "d"

1 "e"

end

save 1.dta, replace

clear

input id str3 v2

1 "d"

1 "e"

1 "f"

end

save 2.dta, replace

（2）合并

use 1.dta, clear

joinby id using 2.dta

合并结果如下：

看到这里小伙伴们是不是觉得很简单，只需要一个简单的小命令就可以实现很强大的功能，感兴趣的小伙伴可以赶紧试起来哦。接着小编会用另外一个例子介绍joinby的几个选项的具体用法，话不多说这就上例子啦！！

2、例子二

（1）首先生成三个dta文件

clear

input str6 name English

"洋洋" .

"小贝" 92

"悦悦" 88

"小明" 60

"宝宝" 96

"小原" 99

end

save joinby1.dta, replace

clear

input str6 name English

"洋洋" 97

"小贝" .

"悦悦" 95

"小王" 98

"宝宝" 96

"小原" 99

end

save joinby2.dta, replace

clear

input str6 name Chinese

"静静" 96

"文文" 90

"小华" 89

end

save joinby3.dta, replace

（2）

use joinby1.dta, clear

joinby name using joinby2.dta

从运行结果可以看到，当 master 数据集与 using 数据集有相同的变量时（在这里是 name ），即数据集中的观测值可以相互匹配时，只保留匹配成功的数据，并且在默认情况下保留master数据集中的值。

（3）

use joinby1.dta, clear

joinby name using joinby2.dta, update

从运行结果可以看到，当使用 update 这个选项时， master 数据集中的缺失值被using数据集中的非缺失值覆盖更新。

（4）

use joinby1.dta, clear

joinby name using joinby2.dta, update replace

当使用 update replace 这个选项时，当 master 数据集中含有与 using 数据集有冲突的非缺失值时，合并后using数据集中的数据会对其进行覆盖。

（5）

use joinby2.dta, clear

joinby name using joinby3.dta, unmatched(both) _merge(_merge) // _merge()只能与unmatched()一起使用

使用 unmatched(both) 这个选项，保留了来自 master 数据集和 using 数据集的所有匹配失败的观测值，并且制定_ merge 选项可以显示合并后观测值的来源。

到这里，所有关于joinby命令的选项小编已经介绍完毕，想要灵活使用，还需要私下多多练习哦。