导读

       很多时候，我们从网络或者某些数据库等下载的数据不符合使用要求，需要对数据进行整理、数据搬家与填充。今天我们通过一个简单的例子：对历任基金经理变更数据的处理，给大家介绍一下如何利用Stata对不规则的数据进行整理。

一、转换文档格式

       从wind数据库下载的历任基金经理记录放在一个Excel文件中，其中涉及近400只基金，无论有多少次经理变更，都只占用一行。

       以第一行数据为例，华夏成长基金经理三个不同的基金经理，括号内是任期，在任的经理只有开始日期，数据整理的目标是将任一基金的历任经理各自占一行。

将以上的Excel文件另存为文本格式，得到如下的形式（我们只列出前3只基金的记录）

此时如果直接将此txt文件直接导入到Stata中

clear allcd e:\wind\基金经理insheet using e:/wind/基金经理/历任基金经理.txt, clear

结果是：

导入的数据出现了乱码，如何处理这些问题，使我们导入的数据变成我们所需要的形式呢？我们可利用import delimited的encoding选项解决这些乱码。在第二部分会向大家介绍。

二、将文本文件导入Stata并进行初步处理

首先，先向大家介绍三个命令：

1、stripquotes（yes | no | default） 告诉导入分隔符如何处理双引号。yes，将删除所有双引号；no数据中的双引号不变；default自动剥离可以标识为绑定引号的引号。
2、encoding（encoding） 指定要读取的文本文件的编码。默认值为encoding（“ latin1”）。指定编码（ “GB18030”）读取以GB18030编码的文件。
3、varnames（#） 指定变量名是第#行的数据; 之前的任何数据都不导入。

下面，我们使用下列命令重新将txt文本导入到Stata中：

import delimited "e:\wind\基金经理\历任基金经理.txt",stripquote(yes) varnames(1) encoding("GB18030")

结果为：

undefined

       导入后发现，txt文件的第一行变为了变量名，乱码的问题也解决了，这样，我们就可以继续对数据进行后续处理。

三、基金经理变更数据整理

1、数据搬家及填充

  从表格中我们发现，虽然每个基金经理各占了一行，但是位置却出现了错误，另外变量证券简称的数据也出现了很多空值。这里我们整理的思路是：首先，如果基金经理历任为空值，我们将证券代码的值赋给基金经理历任；如果证券简称为空值，那么就将前一个证券代码的值赋给下一个证券代码；最后如果证券简称为空值，将前一个证券简称的值赋给证券简称。我们使用以下命令对数据进行处理。

命令如下：

replace 基金经理历任 = 证券代码 if 基金经理历任 == ""replace 证券代码 = 证券代码[_n - 1] if 证券简称 == ""replace 证券简称 = 证券简称[_n - 1] if 证券简称 == ""

结果为：

2、拆分和整理任职日期

（1）变量拆分

此时我们需要将基金经理历任中的信息拆分为基金经理姓名、起始任职日期和终止任职日期三列。

split 基金经理历任,p("(" "-" ")")

我们通过"(" "-" ")"把基金经理历任列的信息拆分为三个变量。

结果为：

（2）整理开始和结束日期

思路：计算基金经理历任2和基金经理历任3的日期，之后分别将数值赋给新的变量起始任职日期和终止任职日期；设置起始任职日期和终止任职日期显示格式为日期型格式；最后将不需要的变量删除，并基金经理历任1重新命名为基金经理。
命令：

drop 基金经理历任gen 起始任职日期 = date(基金经理历任2,"YMD")gen 终止任职日期 = date(基金经理历任3,"YMD")drop 基金经理历任2 基金经理历任3rename 基金经理历任1 基金经理format %tdCY-N-D 起始任职日期 终止任职日期

最终结果:

这样，我们就得到了一份简单明了的基金经理变更的数据