多对多合并

我们在数据处理时，经常需要对文件进行横向合并，我们知道 merge 1:1 varlist using filename [, options] 可以进行一对一合并； merge 1:m varlist using filename [, options] 可以进行一对多合并； merge m:1 varlist using filename [, options] 可以进行多对一合并，然而在使用 merge m:m varlist using filename [, options] 进行多对多合并是有问题的，那么问题在哪？如何解决？这篇推文将会给大家解释清楚。

1.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

接着，我们将两个文件进行横向合并，可以看到，由于两个文件中id不是唯一识别的，属于 多对多合并 。我们想要得到的结果如下图所示：

2.直接用merge m:m横向合并数据

use 1.dta, clear

merge m:m id using 2.dta

drop _m

可以看到，直接使用 merge m:m 进行 多对多合并 时，第一，并不是1.dta的观测值分别对应2.dta的每一条观测值；第二，当某个文件的观测值少时，将会以该文件中的最后一条观测值对另一个文件中的观测值进行合并，如上图第4、5行。那么怎么得到我们想要的结果呢？

3.先扩展，再合并

整体思路是，把 多对多合并 变为一对多或多对一合并。首先，我们在1.dta中生成变量n，等于所在行行号，然后求出n的最大值，放在局部宏中，并保存为3.dta文件，程序如下：

use 1.dta, clear

bysort id: gen n = _n

sum n

local max = r(max)

save 3.dta, replace

结果如图所示：

这样，把id和n两个变量作为合并依据就变成唯一的了，可以看到，n最大值为5。接着在2.dta中，对数据进行扩充相应的倍数，即1.dta中变量n的最大值：

use 2.dta,clear

expand `max'

bysort id v2 : gen n = _n

sort n v2

结果如图所示：

扩充后的数据，id和n作为合并依据的话，每个都为3个，所以可以与3.dta进行多对一合并，程序和结果如下:

merge m:1 id n using 3.dta

order id v1

sort id v1 v2

drop n _m

结果如图所示：

我们在做事件研究时，如果某个事件发生在上市公司停牌期间，我们往往需要把其剔除掉，那么首先，我们需要按照股票代码把事件列表和停复牌时间进行横向合并，由于同一个公司可能对应多个时间，也可能多次停牌，因此应该进行 多对多合并 ，为了方便大家操作，我们手动生成一个事件列表：

clear

set more off

input Stkcd str15 date

000001 "2006-03-01"

000001 "2007-06-05"

000001 "2007-05-05"

000001 "2010-03-01"

000001 "2013-05-06"

000002 "2003-07-25"

000002 "2009-08-16"

000002 "2010-05-09"

end

save 事件列表,replace

我们截取Stkcd为000001和000002公司的停复牌日期，如下图所示：

其中，startdate为停牌日期，enddate为复牌日期，合并之后，如果date，即时间发生日在停复牌时间之间，就剔除掉。

接下来，横向合并两个文件，程序如下：

use 事件列表, clear

bysort Stkcd : gen n = _n

sum n

local max = r(max)

save 事件列表1,replace

use停复牌,clear

expand `max'

bysort Stkcd startdate enddate : gen n = _n

merge m:1 Stkcd n using 事件列表1

keep if _m == 3

drop _m n

结果如图所示：

这样，每一个事件都对应所有的停复牌日期，接着将发生在停复牌的事件删除即可，程序如下：

gen date1 = date(date,"YMD")

gen num = 1 if date1 >= startdate & date1 <= enddate

keep Stkcd date num

duplicates drop

sort Stkcd date num

bysort Stkcd date :carryforward num,replace

drop if num == 1

drop num

这样原来事件列表中的8个事件，在删除处于停复牌阶段的观测值后，还有4个事件，如上图所示。 多对多合并 ，大家学会了吗？你还有其他办法实现 多对多合并 吗？如果有，欢迎向我们投稿呀！感谢大家对爬虫俱乐部的支持！

注：此推文中的图片及封面（除操作部分的）均来源于网络！如有雷同，纯属巧合！