👇 连享会 · 推文导航 |
www.lianxh.cn
作者：谢作翰 | 连玉君 | (知乎 | 简书 | 码云)
编者按：从本期开始，Stata 连享会将推出「Stata 小白系列」推文，介绍数据导入、命令语法等 Stata 入门知识，以帮助各位尽快掌握 Stata 的基本操作。需要注意的是，本文所有数据可通过
lxhget xzhstata.pkg, replace
命令获取。
目录
-
1. 数据拆分
-
1.1 数据的横向拆分
-
1.2 数据的纵向拆分
-
1.3 savesome 命令
-
2. 数据合并
-
2.1 数据的横向合并
-
2.2 数据的纵向合并
-
2.3 合并多个 csv 文件
-
3. 相关推文
1. 数据拆分
如果把内存中的数据集视为一个矩阵，则我们对数据的基本操作包括两类：删除列或行。对于 Stata 而言，命令的主要操作对象是变量 (矩阵的列)，而有些时候我们也需要删除特定的观察值 (矩阵的行)。这些操作都可以配合使用
drop
和
keep
命令来实现。
1.1 数据的横向拆分
原始数据有时包含过多的变量，但在实际应用中可能根据需要将原始数据拆分为不同的数据表，这时就要实现数据的横向拆分。数据的横向拆分用到的两个命令为
drop
和
keep
。
. sysuse auto.dta, clear
. drop weight length
. save auto_sim01.dta, replace
我们调入数据后，使用
drop
命令删除了两个变量，进而把处理后的数据文件另存到文件夹中。若该文件夹下已经存在一个名称为 auto_sim01.dta 则自动覆盖，这是
replace
选项的作用。
按照上述思路，也就不难理解如下命令的含义了：
. sysuse auto.dta, clear
. keep make price mpg rep78 foreign
. save auto_sim02.dta, replace
一般而言，除非数据文件非常大导致每次调入耗时较长，我们很少另存数据文件。我们会将主要的修改动作都保留于 dofile 中。每次分析时，只需修改 dofile 或执行 dofile 中的特定语句即可实现对子样本的处理。毕竟，dofile 本质上是文本文件，文件大小通常不超过几十 k。
1.2 数据的纵向拆分
原始数据有时包含过多的样本观测值，但在实际应用中可能根据需要将其按某种特征拆分为不同的数据表，这是就要实现数据的纵向拆分。此时，仍然可以使用
drop
和
keep
命令。例如，将 auto.dta 数据文件拆分为两个数据文件：auto_domestic.dta 和 auto_foreign.dta，操作如下：
. sysuse auto.dta, clear
. keep if foreign==0
. save auto_domestic.dta, replace
. sysuse auto.dta, clear
. keep if foreign==1
. save auto_foreign.dta, replace
1.3 savesome 命令
通过上述范例可以看出，使用 Stata 自带的
keep
和
drop
命令可以快捷地删除变量或观察值，但在命令写法上较为繁琐。我们可以使用外部命令
savesome
来提高效率 (该命令是 Stata 官方命令
save
的扩展版)。
*命令安装
cnssc install savesome, replace
*命令语法
savesome [varlist] [if exp] [in range] using filename [, old
save_options]
其中，
-
using filename
：表示要保存的子集文件名及文件路径；
-
old
：是较为重要的选项，可以将数据保存为较低版本的文件格式，如 Stata15 用户可以将数据另存为在 Stata14 或以下版本的数据文件。类似的命令还有 Stata 官方命令
saveold
。
对于前文提到的例子，我们可以使用
savesome
来实现相同的功能：
. sysuse auto.dta, clear
. savesome make price mpg rep78 foreign using auto_sim02.dta, replace
. sysuse auto.dta, clear
. savesome if foreign==0 using auto_domestic.dta, replace
2. 数据合并
2.1 数据的横向合并
数据的横向合并是横向拆分的逆操作，但是其要比拆分复杂。对于时间序列资料而言，要保证同一时点的两个变量的观察值对接到同一行；而对于截面个体资料而言，要保证同一个人的年龄数据与该人的收入数据在同一行。而对于面板数据资料，则需数据中有两个变量能够唯一标示每一行观察值，以保证 A 数据文件中的 “张三疯-2016” 与 B 数据文件中的 “张三疯-2016” 处于同一行。合并所使用的命令语句为
merge
，具体语句如下所示：
merge [varlist] using filename [filename ...] [, options]
其中，
merge
为合并的命令语句，
[varlist]
代表用以合并的变量，
using filename
指的是与原文件进行合并的文件。
options
具体选项如下：
-
keep(varlist)
：只保留 filename 中特定的变量；
-
_merge(newvar)
：合并之后生成的新变量，默认名称为 _merge；
-
nolabel
：不要复制 filename 中所定义的标签；
-
nonotes
：不要复制 filename 中所定义的注释；
-
update
：用 filename 中的数据代替内存中的缺失值；
-
replace
：用 filename 中的数据代替内存中中的非缺失值；
-
-
nosummary
：删除 summary 变量；
-
unique
：匹配变量在原文件与合并文件中都是唯一的；
-
uniqmaster
：匹配变量在原文件中必须是唯一的；
-
uniqusing
：匹配变量在用以合并文件中必须是唯一的；
-
利用数据文件 waterinput 和 wateroutput 实现数据的横向合并，匹配变量为
year
，生成新的数据文件命名为 waternew。
. use wateroutput.dta, clear
. sort year
. save wateroutput.dta, replace
. use waterinput.dta, clear
. sort year
. merge year using wateroutput.dta
. save waternew.dta, replace
2.2 数据的纵向合并
数据的纵向合并为数据纵向拆分的逆操作，使用的主要命令为
append
命令，具体语句如下：
append using filename [, options]
在这个命令语句中，
append
是进行纵向合并的命令语句，
using filename
是进行纵向合并的文件路径，
[, options]
的内容与
merge
相似，但更为简化。例如，利用数据文件 auto_domestic.dta 和 auto_foreign 实现数据的纵向合并，生成的数据文件命名为 autonew.dta。
. sysuse auto.dta, clear
. keep if foreign==0
. save auto_domestic.dta, replace
. sysuse auto.dta, clear
. keep if foreign==1
. save auto_foreign.dta, replace
. use auto_domestic.dta, clear
. append using auto_foreign.dta
. save autonew.dta, replace
2.3 合并多个 csv 文件
csvconvert
命令用于将多个
csv
格式文件合并为一个
.dta
格式文件，比较适合处理具有时间周期性特点的变量。
*命令下载
cnssc install csvconvert, replace
*命令语法
csvconvert input_directory, replace [options]
其中，
options
选项如下：
-
output_file(file_name)
：设置输出文件名；
-
output_dir(output_directory)
：设置输出路径；
-
input_file(.csv file list)
：选择要合并的文件。
3. 相关推文
Note：产生如下推文列表的 Stata 命令为：
lianxh 拆分 合并 清洗, m
安装最新版
lianxh
命令：
ssc install lianxh, replace
