Stata小白系列之二：数据拆分与合并

连玉君

计量经济学话题下的优秀答主

作者：谢作翰 | 连玉君 | ( 知乎 | 简书 | 码云 )

连享会 - Stata 暑期班 ：直播 (不必舟车劳顿了)
时间： 2020.7.28-8.7
主讲嘉宾 ：连玉君 (中山大学) | 江艇 (中国人民大学)
课程主页 ： https:// gitee.com/arlionn/PX | 微信版

http:// qr32.cn/FJvyx9 (二维码自动识别)

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。
连享会 最新专题 直播

三数据拆分与合并

数据拆分

数据横向拆分—— keep & drop
数据纵向拆分—— keep & drop
一步到位保存数据子集—— savesome

数据合并

数据的横向合并—— merge
数据的纵向合并—— append
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/1qXRh9E G 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：

sysuse "auto.dta", clear
drop weight length
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：

sysuse "auto.dta", clear
keep  make price mpg rep78 foreign
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：

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

连享会 最新专题 直播

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：

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：

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：

sysuse "auto.dta", clear
keep  make price mpg rep78 foreign
save "d:\data\auto_sim02.dta", replace

等价于

sysuse "auto.dta", clear
savesome make price mpg rep78 foreign ///
     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：

sysuse "auto.dta", clear
keep if foreign==0
save auto_domestic.dta, replace

等价于：

sysuse "auto.dta", clear
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：

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：

use c:\data\wateroutput, clear
sort year
save c:\data\wateroutput, replace

三 数据拆分与合并