平时学习中我们经常会面对各种格式的数据，如.dta .txt .csv .xls .xlsx等。不同的数据格式，有不同的方法。
- 直接输入：input
- .dta：sysuse、use 、webuse、save
- .txt ：import delimited、export delimited、infile、outfile、infix、fileread()、insheet、outsheet
- .csv：import delimited、export delimited、insheet、outsheet
- .xls与.xlsx：import excel、export excel
1.直接输入数据
clear
input str20 name age str6 sex //输入字符型变量需要定义字节长度
"A.Doyle" 22 male
"Mary Hope" 37 female
"Guy Fawkes" 48 male
end
list
2.dta文件
clear
*1.系统自带dta文件
sysuse auto, clear
save myauto.dta, replace
*2.电脑中已有的dta文件
use myauto.dta, clear
replace mpg = 1 in 1
save myauto.dta, replace
*3.从网络中获取数据
webuse lifeexp.dta, clear //从stata网站上获取数据
save lifeexp.dta, replace
3.文本文件
*以分隔符分隔的文本文件
*1.insheet
insheet using score.csv, clear //变量没有变量名
insheet name age test1 test2 using score.csv, clear //设置每个变量的变量名
insheet using score.txt, clear //以制表符分隔的文件
insheet using score1.txt, clear //空格分隔的文件，需要转换
insheet name age test1 test2 using score1.txt, clear delimiter(" ") //用delimiter参数把空格定义为分隔符
Description
insheet reads into memory from a disk a dataset that is not in Stata format. insheet is intended for reading files created by a spreadsheet or
database program. Regardless of the creator of the file, insheet reads text (ASCII) files in which there is 1 observation per line and the values
are separated by tabs or commas. Also the first line of the file can contain the variable names.
即，insheet只适用于逗号或者制表符分隔的数据。如果遇到空格分割的，需要进行转换。
*2.outsheet
outsheet using score2.txt, replace
shellout score2.txt
outsheet using score2.txt, noquote replace //使用noquote选项删除字符型变量的引号
shellout score2.txt
outsheet using score2.txt, noquote noname replace //使用noname选项不导出变量名
shellout score2.txt
shellout -- Opens documents and their programs from inside Stata.
可以使用 ssc install outreg2 安装shellout
*3.import delimited
import delimited name age test1 using score.txt, rowrange(2:4) colrange(1:3) clear //rowrange colrange设置读入的行列范围
import delimited name age test1 using score.txt, rowrange(2) colrange(:3) clear //从第2行到最后，从首列到第3列
*第一种转码方法
clear //注意1：转码前要清空内存中的数据
copy "http://vip.stock.finance.sina.com.cn/corp/go.php/vCI_CorpManager/stockid/600018.phtml"temp.txt,replace
unicode encoding set gb18030 //原网页是gb2312，gb18030是gb2312的扩展
unicode translate temp.txt, transutf8 //将文件转成utf8 注意2：转码的文件前面不能加路径
unicode erasebackups, badidea //删除备份文件，避免后续冲突 但应慎用，特别是对于dta文件
*第二种转码方法
import delimited using temp.txt, encoding("gb18030")
import delimited using temp.txt, encoding("gb18030") delimiter("b1.ak;UI", asstring)clear //通过delimiter的asstring选项将字符串整体作为分隔符
import delimited 相比insheet而言，可以实现转码，分隔符的多样化指定。
*4.export delimited
sysuse auto, clear
export delimited using auto.txt, replace //和outsheet功能基本相同，但是导出的字符变量默认是没有引号
export delimited using auto.txt, quote replace
shellout auto.txt
*固定宽度的文本文件
infix str5 name 1-5 age 7-8 test1 9-10 test2 11-12 using score3.txt, clear //字符串的长度上限是str2045，如果超过了就需要用strL
copy "http://vip.stock.finance.sina.com.cn/corp/go.php/vCI_CorpManager/stockid/600018.phtml"temp.txt,replace
infix strL v 1-100000 using temp.txt, clear
*第三种转码方法
replace v = ustrfrom(v,"gb18030",1)
4.txt文件读入与导出
*4.txt文件读入与导出
fileread()函数
clear
tempname handle
file open `handle' using 吃瓜俱乐部.txt, write replace
file write `handle' "范冰冰和李晨离婚了"_n
file write `handle' "宋慧乔和宋仲基离婚了"_n
file write `handle' "将吃瓜进行到底"
file close `handle'
shellout 吃瓜俱乐部.txt
insheet using 吃瓜俱乐部.txt, clear
import delimited using 吃瓜俱乐部.txt, encoding("utf-8") clear
infix str50 v 1-30 using 吃瓜俱乐部.txt, clear
需要注意，对于import delimited不添加encoding("utf-8")，会出现乱码。
encoding("encoding") specifies the encoding of the text file to be read. The default is encoding("latin1"). Specify encoding("utf-8") for files to
be encoded in UTF-8.
clear
set obs 1
gen v = fileread("吃瓜俱乐部.txt") //fileread()函数将文本文档内容读入到一个单元格里
set obs 2
gen v = fileread("吃瓜俱乐部.txt") //两行重复
fileread()的应用场景：比如相对上市公司公告做文本分析。
5.excel文件读入与导出
*1.单个文件的一个sheet
import excel using 利润表.xls, first case(lower) clear //将第一行设为变量名，并以小写字母形式显示变量
import excel using 利润表.xls, first case(lower) clear sheet("2009")
import excel using 利润表.xls, first case(lower) clear sheet("2010")
*2.单个文件的多个sheet
import excel using 利润表.xls, describe //给出该表内所有sheet的信息
return list
forvalues i=1/`r(N_worksheet)'{
dis "this is `r(worksheet_`i')'"
import excel using 利润表.xls, first case(lower) sheet(`r(worksheet_`i')') clear
save 利润表_`i', replace
}
*将每个子表单独保存为dta文件
clear
forvalues i = 1/`r(N_worksheet)'{
append using 利润表_`i'
}
save 利润表.dta, replace
*3.读入特定的范围
import excel using 利润表1.xls, describe
import excel using 利润表1.xls, cellrange(A3:F12) clear //读入A3到F12
import excel using 利润表1.xls, cellrange(A2) first clear //从A2读到最后
import excel using 利润表2.xls, cellrange(A2) first clear
drop in 1
destring _all, replace //单位在下载时没有删除，可以读入后删除第一行，然后将字符型转为数值型
*4.导出excel
sysuse auto, clear
export excel using auto.xlsx, replace //直接导出
export excel using auto1.xlsx, replace first(variables) //导出第一行为变量名
export excel using auto2.xlsx, replace first(variables) //导出第一行为变量标签
export excel using auto.xlsx, cell(B2) sheet("newsheet", replace) first(
注：涉及数据，可搜索公众号“皮壹侠”，回复"002数据处理"
参考资料：
【爬虫俱乐部】精通Stata之数据整理
网友评论