Stata小白系列之二：数据拆分与合并

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。

特别说明

文中包含的链接在微信中无法生效。请点击本文底部左下角的【阅读原文】，转入本文【简书版】。

Stata小白系列之一
请参阅 Stata小白系列之一：调入数据

三  数据拆分与合并

• 数据拆分

1. 数据横向拆分—— keep& drop

2. 数据纵向拆分—— keep& drop

3. 一步到位保存数据子集—— savesome

• 数据合并

1. 数据的横向合并—— merge

2. 数据的纵向合并—— append

3. 对多个 csv文件纵向合并—— csvconvert

四  长宽数据转换—— `reshape`命令

• 宽数据转为长数据

• 长数据转为宽数据

数据文件下载：链接: https://pan.baidu.com/s/1qXRh9EG  密码: 5ltw

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：删除列或删除行。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。

删除\保留变量：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。

Stata 范例：

1. sysuse "auto.dta", clear

2. drop weight length

3. save "d:\data\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 D:\data 文件夹中。若该文件夹下已经存在一个名称为 auto_sim01.dta 则自动覆盖之，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：

1. sysuse "auto.dta", clear

2. keep  make price mpg rep78 foreign

3. save "d:\data\auto_sim02.dta", replace

特别说明： 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，文件大小通常不过几十 k。

删除\保留观察值：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：

1. sysuse "auto.dta", clear

2. keep if foreign==0

3. save auto_domestic.dta, replace

4. sysuse "auto.dta", clear

5. keep= if foreign==1

6. save auto_foreign.dta, replace

一步到位保存数据子集：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）：

• 安装程序文件：

1. ssc install savesome, replace

在命令窗口中输入 help savesome 可以查看该命令的帮助文件，其语法格式如下：

1. 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 或以下版本中的打开的数据文件。类似的命令还有 Stata 官方命令 saveold。

Stata 范例 1：

对于前文提到的例子，我们可以使用 savesome 来实现相同的功能：

1. sysuse "auto.dta", clear

2. keep  make price mpg rep78 foreign

3. save "d:\data\auto_sim02.dta", replace

等价于

1. sysuse "auto.dta", clear

2. savesome make price mpg rep78 foreign ///

3.     using "d:\data\auto_sim02.dta", replace

评论： 凭心而论，笔者更喜欢前一种方式。虽然多写了一行命令，但思路清晰，也便于记忆。

Stata 范例 2：

1. sysuse "auto.dta", clear

2. keep if foreign==0

3. save auto_domestic.dta, replace

等价于：

1. sysuse "auto.dta", clear

2. savesome if foreign==0 using auto_domestic.dta, replace

数据合并

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；而对于界面个体资料而言，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：

1. merge [varlist] using filename [filename ...] [, options]

merge为合并的命令语句， [varlist]代表合并进去的新变量， using filename指的是所要与原文件合并的文件路径， options包含较多的功能，表 2.11 显示了其具体内容。

举例：利用横向拆分实验中生成的数据文件 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。这个操作的命令为：

1. use c:\data\wateroutput, clear

2. sort year

3. save c:\data\wateroutput, replace

4. use c:\data\waterinput, clear

5. sort year

6. merge year using c:\data\wateroutput

7. save c:\data\waternew, replace

在以上命令语句中，第一个命令语句实现了 wateroutput数据文件的打开，第二个命令语句将文件按年份变量进行排序，第三个命令语句保存了排序之后的数据文件，第四个命令语句实现了 waterinput数据文件的打开，第五个命令语句将此数据按年份变量进行排序，第六个命令语句按年份变量将 wateroutput文件合并到 waterinput文件中，第七个命令语句保存合并之后的数据文件。

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：

1. 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，利用纵向拆分实验中生成的数据文 domesticauto和 foreignauto实现数据的纵向合并，生成的数据文件命名为 usaautonew。这个操作的命令为：

1. use c:\data\domesticauto, clear

2. append using c:\data\foreignauto

3. save c:\data\usaautonew, replace

在以上命令中，第一个命令语句打开了原始数据文件，第二个命令将 foreignauto文件合并到 domesticauto文件中，第三个命令语句存储了合并后的数据文件。

一次合并多个csv文件—— csvconvert

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：

1. csvconvert input_directory , replace [options]

该命令有三个参数：

参数名	功能
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

命令下载：

1. help csvconvert

以命令配套的四个世界银行文件为例，首先看文件结构

1. dir C:\Uers\Administrator\Desktop\stata学习文件\worldbank\*.csv

wb2010.csv

使用 csvconvert命令将四个年度数据纵向合并

csvconvert  C:\Users\Administrator\Desktop\stata学习文件\worldbank, replace

默认情况下合并后的文件名为output.dta 

要合并的四个子文件必须在同一个文件夹中，默认情况下， csvconvert命令会合并文件夹中所有文件 ，可以用 note 命令核对所合并的文件情况 .用 input_file参数选择所有合并的文件名，在此，我们只选择2008年度和2009年度的数据

1. csvconvert C:\Users\Administrator\Desktop\stata学习文件\worldbank

2. , replace input_file(wb2008.csv wb2009.csv)

本文中所用数据文件下载地址：

数据文件：链接: https://pan.baidu.com/s/1qXRh9EG  密码: 5ltw

特别说明

文中包含的链接在微信中无法生效。请点击本文底部左下角的【阅读原文】，转入本文【简书版】。

关于我们

• 【Stata 连享会(公众号：StataChina)】由中山大学连玉君老师团队创办，旨在定期与大家分享 Stata 应用的各种经验和技巧。

• 公众号推文同步发布于 CSDN-Stata连享会 、简书-Stata连享会 和 知乎-连玉君Stata专栏。可以在上述网站中搜索关键词Stata或Stata连享会后关注我们。

• 点击推文底部【阅读原文】可以查看推文中的链接并下载相关资料。

• Stata连享会 精彩推文1  || 精彩推文2

联系我们

• 欢迎赐稿： 欢迎将您的文章或笔记投稿至Stata连享会(公众号: StataChina)，我们会保留您的署名；录用稿件达五篇以上，即可免费获得 Stata 现场培训 (初级或高级选其一) 资格。

• 意见和资料： 欢迎您的宝贵意见，您也可以来信索取推文中提及的程序和数据。

• 招募英才： 欢迎加入我们的团队，一起学习 Stata。合作编辑或撰写稿件五篇以上，即可免费获得 Stata 现场培训 (初级或高级选其一) 资格。

• 联系邮件： [e-mail]

往期精彩推文

欢迎加入Stata连享会(公众号: StataChina)