如何根据两个变量的特征删除数据？

如下面的例子所示，第一列是account_id，第二列是buy_user_id，第三列是省份，第四列是城市，我想结合这四个变量或者前两个变量来清洗数据。清洗的规则是，如果account_id连续一样，并且buy_user_id也连续一样，则保留数据；但是，如果account_id连续一样，而buy_user_id连续不一样，则删除数据。希望有大神能帮忙解决这个问题。



copy starting from the next line -----------------------

1. * Example generated by -dataex-. To install: ssc install dataex
   
2. clear
   
3. input str36(account_id buy_user_id) str24 province str33 city
   
4. "00000000-0000-0000-0000-000000000000" "FF84C719-58EE-439E-95B7-E4D26B4D2F96" "山西省" "运城市"
   
5. "00000000-0000-0000-0000-000000000000" "FF9868CF-6C02-4658-A317-2CDB8997380D" "安徽省" "六安市"
   
6. "00000000-0000-0000-0000-000000000000" "FFCF58F8-A084-4CC3-A658-54B48A8B6E77" "四川省" "南充市"
   
7. "00000000-0000-0000-0000-000000000000" "FFD8FBD6-F92D-4578-8E8F-B908784EA123" "广东省" "肇庆市"
   
8. "000036A7-FCDB-4442-B6AB-D32B33499E60" "C36E153B-EBDD-4303-99EC-ECFFE6576CFA" "浙江省" "宁波市"
   
9. "000036A7-FCDB-4442-B6AB-D32B33499E60" "C36E153B-EBDD-4303-99EC-ECFFE6576CFA" "浙江省" "宁波市"
   
10. "000036A7-FCDB-4442-B6AB-D32B33499E60" "C36E153B-EBDD-4303-99EC-ECFFE6576CFA" "浙江省" "宁波市"
    
11. end

复制代码

------------------ copy up to and including the previous line ------------------

1. bys account_id buy_user_id:keep if _N>1

复制代码

先安装egenmore 命令

1. bys account_id: egen n=nvals(buy_user_id)
   
2. drop if  n>1

复制代码

蓝色 发表于 2020-1-3 22:09
先安装egenmore 命令

感谢您的热心回复！

震震果实 发表于 2020-1-3 21:54

您好，感谢您您对这个问题的回复，我想再问一下，如果我不是想删除这种特征的数据，而是把它们标记出来，作为一个控制组，请问我应该怎么写代码呢？

蓝色 发表于 2020-1-3 22:09
先安装egenmore 命令

您好，感谢您对这个问题的回复，我想再问一下，如果我不是想删除这种特征的数据，而是把它们标记出来，作为一个控制组，请问我应该怎么写代码呢？

朗啊朗 发表于 2020-1-8 17:06
您好，感谢您您对这个问题的回复，我想再问一下，如果我不是想删除这种特征的数据，而是把它们标记出来， ...

bys account_id buy_user_id:gen wanted=(_N==1)

朗啊朗 发表于 2020-1-8 17:06
您好，感谢您您对这个问题的回复，我想再问一下，如果我不是想删除这种特征的数据，而是把它们标记出来， ...

1. bys account_id buy_user_id:gen wanted=(_N==1)

复制代码

震震果实 发表于 2020-1-8 19:04

感谢您的回答！我自己摸索到了您这个代码的思路，不过我标记之后，发现我并没有解决我的问题，因为我最后想实现的是,  生成一个新的变量，如果ccount_id连续一样，并且wanted连续一样，那么，这个新变量的值全部编码为1；如果ccount_id连续一样，但是wanted出现1个或多个不同的值（不是连续一样），那么这个新变量就全部编码为0。

以我下面的这个例子为例，对于第一个id "0054F5D8-05DA-45CB-9EE5-F7E586833655" 它wanted的值是0，0,0,1, 那么生成的新变量的值就是0,0，0,0 ；对于第二个id "005B8478-5B59-4883-9EF3-33E357D57CC4"它wanted的值是0，0, 那么生成的新变量的值就是1，1。

请问您知道如何写代码吗？


---------------------- copy starting from the next line -----------------------

1. * Example generated by -dataex-. To install: ssc install dataex
   
2. clear
   
3. input str36 account_id float wanted
   
4. "0054F5D8-05DA-45CB-9EE5-F7E586833655" 0
   
5. "0054F5D8-05DA-45CB-9EE5-F7E586833655" 0
   
6. "0054F5D8-05DA-45CB-9EE5-F7E586833655" 0
   
7. "0054F5D8-05DA-45CB-9EE5-F7E586833655" 1
   
8. "005B8478-5B59-4883-9EF3-33E357D57CC4" 0
   
9. "005B8478-5B59-4883-9EF3-33E357D57CC4" 0
   
10. end

复制代码

------------------ copy up to and including the previous line ------------------

朗啊朗 发表于 2020-1-8 19:48
感谢您的回答！我自己摸索到了您这个代码的思路，不过我标记之后，发现我并没有解决我的问题，因为我最后 ...

1. sort account_id
   
2. bys account_id:egen n=total(wanted)
   
3. bys account_id:replace n=n/_N
   
4. gen s=wanted-n
   
5. replace s=1 if s==0
   
6. replace s=0 if s!=0 & s!=1

复制代码