stata删除重复数据

数据如下：user变量存在重复，想要删除重复数据。删除规则是：1、假如存在clandholder3 =  city = wanted，则保留clandholder3 =  city = wanted那一行，比如数据中第五行和第六行的uesr重复，且第六行的clandholder3 =  city = wanted，则保留第六行删除第五行；2、假如不存在clandholder3 =  city = wanted，则简单删除user行重复即可。

1. * Example generated by -dataex-. To install: ssc install dataex
   
2. clear
   
3. input str98 user int year str12(clandholder3 city wanted)
   
4. "北京汇源集团开封有限公司 "                                                             2007 "开封"       "开封"       "开封"      
   
5. "北京汇源集团开封有限公司 "                                                             2007 "北京"       "开封"       "北京"      
   
6. "赤峰市巴林右旗珠峰房地产开发有限责任公司 "                                     2009 "赤峰"       "赤峰"       "赤峰"      
   
7. "赤峰市巴林右旗珠峰房地产开发有限责任公司 "                                     2009 "赤峰"       "赤峰"       "赤峰"      
   
8. "德保县公安局消防大队"                                                                     2009 "荆州"       "百色"       "荆州"      
   
9. "德保县公安局消防大队"                                                                     2009 "百色"       "百色"       "百色"      
   
10. "昆明市土地开发投资经营有限责任公司 "                                              2011 "昆明"       "昆明"       "昆明"      
    
11. "昆明市土地开发投资经营有限责任公司 "                                              2011 "昆明"       "昆明"       "昆明"      
    
12. "昆明市土地开发投资经营有限责任公司 "                                              2011 "昆明"       "昆明"       "昆明"      
    
13. "山西省烟草公司运城市公司芮城县卷烟营销部 "                                     2010 "运城"       "运城"       "运城"      
    
14. "山西省烟草公司运城市公司芮城县卷烟营销部 "                                     2010 "运城"       "运城"       "运城"      
    
15. "天津市茂联科技有限公司 "                                                                2010 "天津"       "天津"       "天津"      
    
16. "天津市茂联科技有限公司 "                                                                2010 "常德"       "天津"       "常德"      
    
17. "信丰县裕和农业发展有限公司 "                                                          2008 "徐州"       "赣州"       "徐州"      
    
18. "信丰县裕和农业发展有限公司 "                                                          2008 "赣州"       "赣州"       "赣州"      
    
19. "焉耆新泰房地产开发有限责任公司 "                                                    2010 "泰安"       "巴音郭楞" "泰安"      
    
20. "焉耆新泰房地产开发有限责任公司 "                                                    2010 "巴音郭楞" "巴音郭楞" "巴音郭楞"
    
21. "阳高县教育局"                                                                                 2009 "大同"       "大同"       "大同"      
    
22. "阳高县教育局"                                                                                 2009 "宜宾"       "大同"       "大同"      
    
23. "中国石油化工股份有限公司河北定州石油分公司 "                                  2008 "天津"       "保定"       "天津"      
    
24. "中国石油化工股份有限公司河北定州石油分公司 "                                  2008 "保定"       "保定"       "保定"      
    
25. "中国移动通信集团新疆有限公司克州阿合奇县营业部（国营马场） "          2009 "克孜勒苏" "克孜勒苏" "克孜勒苏"
    
26. "中国移动通信集团新疆有限公司克州阿合奇县营业部（国营马场） "          2009 "克孜勒苏" "克孜勒苏" "克孜勒苏"
    
27. "中国移动通信集团新疆有限公司克州阿合奇县营业部（色帕巴依乡基站） " 2009 "克孜勒苏" "克孜勒苏" "克孜勒苏"
    
28. "中国移动通信集团新疆有限公司克州阿合奇县营业部（色帕巴依乡基站） " 2009 "克孜勒苏" "克孜勒苏" "克孜勒苏"
    
29. "中国移动通信集团新疆有限公司克州阿合奇县营业部（吾曲镇） "             2009 "克孜勒苏" "克孜勒苏" "克孜勒苏"
    
30. "中国移动通信集团新疆有限公司克州阿合奇县营业部（吾曲镇） "             2009 "克孜勒苏" "克孜勒苏" "克孜勒苏"
    
31. "重庆市南川区教育委员会"                                                                  2017 "重庆"       "重庆"       "重庆"      
    
32. "重庆市南川区教育委员会"                                                                  2017 "重庆"       "重庆"       "重庆"      
    
33. end

复制代码

我猜测大概这样
gen d = (clandholder3==city)*(city==wanted)
duplicates drop user year if d==1, force
duplicates drop user year if d==0, force
bys user:gen tag=_N
drop if d==0& tag==2

不知有没误解你的问题，请试试

1. gen d = (clandholder3==city)*(city==wanted)
   
2. drop if d==0
   
3. duplicates drop user year, force

复制代码

黃河泉 发表于 2021-12-26 18:02
不知有没误解你的问题，请试试

黄老师您好，您提供的代码能解决我的假设1，但是我的数据可能还存在假设2：即n（n大于等于2）个user1重复，且不存在clandholder3 = city = wanted，那么您的代码前两行就会将我所有的user1都删除，我就会缺失user1的数据。希望您能再给点建议！

qianchen 发表于 2021-12-26 19:51
我猜测大概这样
gen d = (clandholder3==city)*(city==wanted)
duplicates drop user year if d==1, for ...

是的，您的命令是符合我的要求的，谢谢！

qianchen 发表于 2021-12-26 19:51
我猜测大概这样
gen d = (clandholder3==city)*(city==wanted)
duplicates drop user year if d==1, for ...

是的，您的命令是符合我的要求的，谢谢！