Stata如何识别不同字符串的排列组合？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

诸君钧鉴：

在下有一个字符型变量X，其取值可能如下：

id	X
1	AA,BB,CC
2	AA,CC,BB
3	CC,AA,BB
4	FF
5	BB,AA

很显然，前三个观测值本质上是一样的，即“AA,BB,CC”的不同组合。如何批量将这类观测值合并成“AA,BB,CC”？


望不吝赐教！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：Stata tata 字符串 字符型变量 观测值 字符串 如何

先抛砖引玉（不完全符合版主之要求），需外挂（sortrows）

1. split X, p(",")
   
2. sortrows X1 X2 X3, missing replace
   
3. egen XN = concat(X1 X2 X3), p(,)

复制代码

黃河泉 发表于 2016-10-2 17:55
先抛砖引玉（不完全符合版主之要求），需外挂（sortrows）

多谢，其实我想了一下，可以split出X1-X8，然后再reshape long一波，sort完再reshape wide回去

1. . list
   
2. 
   
3.      +------------------------------+
   
4.      |     var1       var2     var3 |
   
5.      |------------------------------|
   
6.   1. | AA,BB,CC   AA BB CC   AABBCC |
   
7.   2. | AA,CC,BB   AA CC BB   AABBCC |
   
8.   3. | CC,AA,BB   CC AA BB   AABBCC |
   
9.   4. |       FF         FF       FF |
   
10.   5. |    BB,AA      BB AA     AABB |
    
11.      +------------------------------+

复制代码

1. gen var2=subinstr(var1,","," ",.)
   
2. gen var3=""
   
3. foreach tgt in AA BB CC DD EE FF GG {
   
4.         replace var3 = var3+"`tgt'" if strmatch(var2,"*`tgt'*")
   
5. }

复制代码

我在 Stata forum 将你的问题求解，得到 Professor Clyde Schechter 的答案如下

1. set more off
   
2. clear
   
3. input id str12 X
   
4. 1 "AA,BB,CC"

复制代码

只能说完美！

黃河泉 发表于 2016-10-3 16:14
我在 Stata forum 将你的问题求解，得到 Professor Clyde Schechter 的答案如下只能说完美！

谢谢。我能说和我一开始想的reshape法思路一致么（有种大言不惭的感觉）

不过亲测一下，大型数据中sortrows还是更快，这是毋庸置疑的