stata小白之三：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。

---

目录
一 数据调入

0 概念区分

1. 调入本地标准文件

• 调入全部数据
• 调入部分变量
• 调入部分样本
• 调入具有某些特征的样本

2. 调入网络文件

• 调用 stata 自带数据库——sysuse命令
• 调入stata 手册在线数据 —— webuse set命令
• Wooldridge， Greene 等经典教科书范例数据获取——bcuse命令
• 调用联邦储备经济数据库 (FRED)——freduse&import fred

3. 大杀器copy命令——从下载地址直接储存文件或复制网页文本信息
4. 调入ASCII数据

• 读取ASCII数据 —— insheet命令
• 读取无固定格式命令 —— infile命令
• 读取固定格式数据—— infix

5. 调入excel数据——import excel &xls2dta

二 数据标签与排序

1. 数据标签

• 为数据库添加标签
• 为变量添加标签
• 为数值添加标签

2. 数据排序—— sort& gsort

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

---

数据拆分

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, drop命令是用来删除某些变量和观测值的，基本命令如下：

drop varlist [if] [in]

keep命令是用来保留某些变量和观测值的，基本命令如下：

 keep varlist [if] [in]

举例说明 ： water数据文件包含四个变量，分别是 year, capital、 production、 labor，将 water数据文件拆分为两个数据文件，一个数据文件包含 year和 production两个变量，命名 wateroutput，一个数据文件包含 year、 capital和 labor三个变量，命名为 waterinput。这个操作的具体命令如下：

use c:\data\water,clear
drop capital labor
save c:\data\wateroutput, replace

以上命令，第一个命令实现了原数据文件的打开，第二个命令删除了变量
capital和 labor，第三个命令实现了存储，新文件的名字为
wateroutput，并用 replace命令替换了原有数据。

    use c:\data\water,clear
    keep year capital labor
    save c:\data\waterinput, replace

以上命令，第一个命令实现了原数据文件的打开，第二个命令保留了变量
capital和 labor，第三个命令实现了存储，新文件的名字为 waterinput，并用 replace命令替换了原有数据

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。数据的纵向拆分用到的主要命令还是 drop和 keep。

例如将 usaauto数据文件拆分为两个数据文件，一个数据文件叫
domesticauto，只包含国产车的相关内容，一个数据文件叫 foreignauto，只包含进口车的相关内容，具体操作如下：

use c:\data\usaauto,clear
drop if foreign==1
save c:\data\domesticauto, replace 

以上命令完成了第一个数据文件的建立，第一个命令完成了原始数据文件的打开，第二个命令删除 foreign变量为 1 的数据，第三个命令存储新的数据文件，名称为 domesticauto，并用 replace命令替换了原有数据

第二个数据文件建立的命令如下所示：

    use c:\data\usaauto,clear
    keep if foreign==1
    save c:\data\foreignauto, replace

以上命令完成了第二个数据文件的建立，第一个命令完成了原始数据文件的打开，第二个命令保留了 foreign变量为 1 的数据，第三个命令存储新的数据文件，名称为 foreignauto，并用 replace命令替换了原有数据

3. 一步到位保存数据子集—— savesome
在一个数据集中使用 stata自带的 keep和 drop命令构建所需要的子集时筛选和保存需要用到两个不同的命令。接下来介绍的外部命令
savesome可以一步到位保存数据子集。
命令安装：

 help savesome 

从 stata帮助界面中找到下载链接
命令语句：

    savesome [varlist] [if exp] [in range] using filename [, old save_options]

命令解释：
savesome命令分为四个部分： 第一个部分是 if语句，用来筛选符合条件的观测；第二部分是变量名称，如果要选取数据集中特定变量作为子集，直接将变量名称写上；第三部分 using filename 表示要保存的子集文件名及文件路径；第四部分 old 为可选参数，添加参数后数据子集可支持较早版本的 stata

举例说明：
我们使用stata自带的auto数据集：

1. 选择数据集中进口车

savesome if foreign=1 using foreignauto.dta

2. 从数据集中选择 make price foregn构建子集，保存为 smallauto

savesome make price foregn using smallauto.dta 

数据合并

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，因为合并时要实现同一个体数据的对接，而不能出现对接错误的情况。所以在横向合并之前最好先对数据进行排序处理，然后实现合并。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
use c:\data\waterinput, clear
sort year
merge year using c:\data\wateroutput
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。

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：

use c:\data\domesticauto, clear
append using c:\data\foreignauto
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。

3. 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：

 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：

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

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

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

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 【简书-Stata连享会】 和 【知乎-连玉君Stata专栏】。可以在简书和知乎中搜索关键词Stata或Stata连享会后关注我们。
• 推文中的相关数据和程序，以及 Markdown 格式原文 可以在 【Stata连享会-码云】 中获取。【Stata连享会-码云】 中还放置了诸多 Stata 资源和程序。如 Stata命令导航 || stata-fundamentals || Propensity-score-matching-in-stata || Stata-Training 等。

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： StataChina@163.com

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连享会二维码