Stata数据处理

作者：Economicoder
公众号：数据学徒

1. 快捷键

• Fn + F2 :  描述数据（describe）
• Fn + PgUp :  搜索先前命令
• Ctrl + 8 :  打开 data editor （browse）
• Ctrl + 9 :  新建do文档
• Ctrl + D :  执行在do文档中选中的命令
• clear :  删除存储数据
• cls :  clear the console

2. 目录

• pwd :  print current working directory
• cd :  change working directory
• dir :  显示工作目录中的所有文件
• dir *.dta :  显示工作目录中的dta文件
• capture log close

3. 探索数据

sysuse auto, clear     // 用该数据举例 

(1). 查看数据结构

• describe make price:  显示变量的类型、格式和标签
• lookfor "circle" :  在变量名、变量类型和标签中查找某字符串
• count :  统计观测值的数量
• count if price > 5000
• ds :  显示所有变量名称
• ds, has(type string)
• isid mpg :  检查变量的值是否唯一

(2). 查看数据分布

• codebook make price :  综述变量的类型、统计量、缺失值和唯一值的数量
• summarize make price mpg :  显示变量的总体统计量（mean, stdev, min, max）
• inspect mpg :  显示数据的直方图、缺失值与零值的数量
• histogram mpg, frequency :  绘制直方图

(3). 浏览观测值

• display price[4] :  显示变量的第4个观测值，只作用于该变量
• gsort price mpg :  升序排序
• gsort -price -mpg :  降序排序
• levelsof rep78 :  显示变量的唯一值

4. 转换数据格式

auto 数据中的 foreign 变量为蓝色字体，byte 格式，含有两种值：Foreign 和 Domestic

(1). 将数值转化为字符串

• gen foreignString = string(foreign)
• tostring foreign, gen(foreignString)
• decode foreign, gen(foreignString)

(2). 将字符串转化为数值

• gen foreignNumeric = real(foreignString)
• destring foreignString, gen(foreignNumeric)
• encode foreignString, gen(foreignNumeric)

5. 总结数据

• tabulate rep78, mi gen(repairRecord) :  显示变量的每个值出现的频数
• tabulate rep78 foreign, mi
• bysort rep78: tabulate foreign
• tabstat price weight mpg, by(foreign) stat(mean sd n)

6. 创建新变量

• gen byte lowPr = price < 4000 :  创建二值变量
• gen id = _n :  创建索引，即观测值所在行数，本例中为1-74
• bysort rep78: gen repairIdx = _n
• gen totRows = _N :  创建一列，显示每组中的观测值总数，本例中都为74
• bysort rep78: gen repairTot = _N
• egen meanPrice = mean(price), by(foreign) :  计算每组的平均价格