Stata中变量观测值的亲密伙伴——levelsof命令

本文作者：陈丹慧，中南财经政法大学金融学院

本文编辑：崔赵雯

技术总编：余术玲

爬虫俱乐部云端课程

  爬虫俱乐部于2020年暑期在线上举办的Stata与Python编程技术训练营和Stata数据分析法律与制度专题训练营已经圆满结束啦~应广大学员需求，我们的课程现已在腾讯课堂全面上线，且继续提供答疑服务。现在关注公众号并在朋友圈转发推文《来腾讯课堂学Stata和Python啦！》或《8月Stata数据分析法律与制度专场来啦!》，即可获得600元课程优惠券，集赞50个再领200元课程优惠券！（截图发至本公众号后台领取）原价2400元的课程，现在只要1600元！  

导读

前段时间我们爬虫俱乐部的Stata学员群有学员问了这样的一个问题:虽然帮助这位学员解决了这个问题，但是我一时竟想不起来如何向他展示正确结果。只能用最原始直白的方法——截图，以图为证。在征求那位学员的同意下，我借用了他的数据集来还原这个过程，在此感谢那位大方的学员。（读者朋友们可以在后台回复"levelsof"来获取相关数据。）

use wiod1.dta,clearkeep if strpos(Description,"FINANCIAL INTERMEDIATION") //保留符合条件的观测值执行以上操作后，观察数据集，我们会发现这个数据比较规整，每个国家都占两行，直接看最后一行，行数除以2，就知道有多少个国家符合条件。但对于比较乱的数据集，假设某数据集有的国家数据占三行，有的占四行，这时通过肉眼就很难观察有多少个不同的国家了。而用接下来介绍的levelsof命令就能轻松获取这个信息了！

levelsof Countrylevelsof命令的含义为"Distinct levels of a variable"。它对指定变量的不同取值进行排序。执行上行命令在结果窗口就会显示Country变量的不同取值，相当于进行了一次去重：更绝妙的是：levelsof是r-类命令，它的运行结果储存在"r()"，可以通过输入"return list"来显示。它以r(N)储存指定变量的总观测值数，以r(r)储存指定变量不同观测值的个数，以r(levels)储存指定变量不同取值。

return list所以，根据标量r(r)的值我们就知道有多少个不同的国家了。当然，到这里还只是levelsof这个命令的入门，且没有展示levelsof的主要用途，接下来本文就要完整介绍levelsof这个命令了。

1.基本语法与选项

levelsof的基本语法为：levelsof varname [if] [in] [, options]它的选项如下表所示：

选项	功能
clean	清除字符串变量取值结果的复合双引号
local(macname)	将排序后的取值结果放在一个宏中
missing	将缺失值纳入取值中
separate(separator)	设置取值结果的分隔符
matcell(matname)	以矩阵的形式储存不同取值的频数
matrow(matname)	以矩阵的形式储存数值型变量的不同取值
hexadecimal	使用16进位制展示数值型变量

仍然以导读中的数据集为例，我们来体会一下几个常用选项的用法：

levelsof Country in 1/10,clean separate(;) local(country) matcell(freq)display "`country'"matrix list freq此时观察结果展示窗口可以发现：Country变量前十行观测值不同取值的复合双引号不显示，且不同取值以分号隔开；local()选项生成了一个存储不同取值的局部宏；matcell()选项生成了一个矩阵来存储不同取值的频数。
还有一个值得一提的选项是hexadecimal()。levelsof命令有一个小缺陷是它展示的数值型变量取值精度有限，当数值精度要求高时，显示的可能与实际取值不完全一样。虽然在实际使用中这种情况很少，Stata也提供了一个hexadecimal()选项来解决这个问题。

clearset obs 5gen x=_ngen y=ln(x)levelsof y, matrow(A) hexadecimalmatrix list A如下所示，此时变量y的不同取值以16进位制展示，确保了数据的准确度。另外，在这里我们用了matrow()选项将不同取值储存在矩阵A中，矩阵A中的值仍是十进位制。

2.案例介绍

levelsof命令最主要的用途是调用变量的观测值来实现某种目的。下面我们介绍一个词云图绘制的案例。在绘制词云图时，去除无意义的停用词是很重要的一步。停用词表和分词结果是不同的两个数据集。这意味着我们要调用停用词表中的停用词，将它与分词结果中的每一个词进行匹配，去除分词结果中的停用词。首先，导入分词结果。

clearinfix strL v 1-12000 using 分词结果.txt, clear rename v word然后，使用起死回生命令“preserve ，restore”。这意味着，在preserve 后我们可以肆无忌惮的折腾数据，只要restore一下，原数据就会重现。我们读入停用词表，利用levelsof将停用词表中的停用词放在宏中，然后再重现原数据，调用存放停用词的宏。

preserveimport delimited using 停用词表.txt, clear encoding("utf-8")levelsof v1, local(keyword) //将停用词放在局部宏keyword中restore*删除分词结果中的停用词foreach word in `keyword' { drop if word == "`word'"}注意：levelsof的local()选项定义的是一个局部宏，上述命令必须同时执行。最后，在安装了wordcloud这个命令的基础下，绘制词云图。

bysort word: gen frequency = _Nduplicates dropgsort -frequencywordcloud word frequency using 词云.html, replace size(15 80) range(3840 2160)shellout 词云.html此外，levelsof命令在网络爬虫时也经常使用。比如，在爬取新浪财经高管数据时，我们要改变网址中的股票代码来循环，这时就需要调用股票代码这个变量的观测值。总之，要调用变量观测值来达到某种目的时，不要忘记levelsof命令这个亲密伙伴！

对我们的推文累计打赏超过1000元，我们即可给您开具发票，发票类别为“咨询费”。用心做事，不负您的支持！

往期推文推荐

关于我们

微信公众号“Stata and Python数据分析”分享实用的stata、python等软件的数据处理知识，欢迎转载、打赏。我们是由李春涛教授领导下的研究生及本科生组成的大数据处理和分析团队。

此外，欢迎大家踊跃投稿，介绍一些关于stata和python的数据处理和分析技巧。

投稿邮箱：[e-mail]

投稿要求：
1）必须原创，禁止抄袭；
2）必须准确，详细，有例子，有截图；
注意事项：
1）所有投稿都会经过本公众号运营团队成员的审核，审核通过才可录用，一经录用，会在该推文里为作者署名，并有赏金分成。
2）邮件请注明投稿，邮件名称为“投稿+推文名称”。
3）应广大读者要求，现开通有偿问答服务，如果大家遇到有关数据处理、分析等问题，可以在公众号中提出，只需支付少量赏金，我们会在后期的推文里给予解答。