数值型变量分类神器——recode你真的了解吗?

1,969 阅读6分钟

导读

初识recode命令,我以为它就是个改缺失值的小能手。我们常常看见它是这样出现的:

recode a (.=0)

它的作用等效如下:

replace a=0 if a=.

再识recode,才发现这个小命令没那么简单!掌握了recode,处理起数值型变量不是一般地溜!好东西就要分享,接下来,我就给大家全面解析recode命令。

码字不易废话两句:有需要python学习资料的或者有技术问题交流 “点击”即可

一、语法

recode命令的完整语法如下:

code varlist (erule) [(erule) . . .] [if] [in] [, options]

其中,varlist是指我们想改变的一到多个变量;erule是我们指定的改变规则,形式为新值=旧值。可以同时指定多个规则,每个规则用小括号括起来,用空格分隔;if和in是条件和范围筛选语句,可以根据目的自由添加;最后是一些重要的options选项,后面会具体介绍。

(1)一般的规则形式

recode x (3=1) //将变量x观测值中的3全部改为1
recode x y (8=1) (7=2) (6=3)  //将变量x和y的观测值中的8改为17改为26改为3
recode x (2 .=0) //将变量x观测值中的2和缺失值改为0
recode x (1/5=4) //将变量x观测值为15闭区间内的实数都改为4

注意:在recode命令中的1/5和Stata数列表示中的1/5不同。数列表示中1/5指1,2,3,4,5这5个整数,但在recode命令中1/5包括1到5闭区间内全部实数。

此外,我们还可以用min和max来代表数值,且在等号左边和右边均可。

recode x (min/3=max) //将最小值到3这个区间内的值都改为最大值

(2)含关键词的规则形式:

为了更好说明含关键词的规则形式,我们先用input命令输入一些变量与数值:

clear
input v
1
2.1
3.2
.
5
6
7
8
end

并且为了更好展示效果,插播一下,介绍两个简单但十分重要的选项:

首先是generate()选项,用于生成新变量的变量名。其次是prefix()选项,用于添加新变量前缀。如果不使用这两个选项,我们使用recode命令时就会使初始数据产生改变,带来很多不方便,因此强烈推荐在使用recode命令时添加这两个选项之一。

例如:将原始数据中的1到5改为0,并将改变后的数值储存在一个由原变量名称添加前缀"new_"的新变量中。

recode v (1/5=0),prefix(new_)

此时,数据集如图所示:

图片1

观察新变量,我们注意到,规则指定外的数值都保持不变。此时,我们可以继续指定一般规则,也可以指定含关键词的规则。含关键词的规则是针对没被之前规则改变的数值而设定的,它必须放在一般规则的后面。主要的关键词有以下四个:nonmissing、missing、else和*。

recode v (1/5=0) (nonmissing=1),generate(v1) //将未被前面规则改变的非缺失值改为1
recode v (1/5=0) (missing=2),generate(v2) //将未被前面规则改变的缺失值改为2
recode v (1/5=0) (else=1),generate(v3) //将未被前面规则改变的所有值改为1
recode v (1/5=0) (*=1),generate(v4) //*和else作用完全一样
recode v (1/5=0) (nonmissing=1) (missing=2),generate(v5)

再次观察数值集,相信大家此时对关键词规则基本了解了。

图片2

此外,重点提示一下,else/*不能与nonmissing或missing同时使用,否则会出现如下报错:

图片3

二、其他选项与案例

(1)test()选项

ecode命令中的规则指定是有序的。从左到右的规则中,一旦一个值在前面已经被指定做出某种改变了,在后面的规则中如果再次指定这个值,会被忽视。以刚刚的数据为例:

recode v (1/5=0) (5=1),generate(v6)

在这里,对数值5先后做出了两次指定:第一次要求将5变为0;第二次要求将5变为1。观察数值集可以发现,5变为0了,而将5变为1的指令被忽视了:

图片4

但结果界面没有给出明显提示:

图片5

如果碰上大数据,出现这样的操作失误很难被发现。加上一个test()选项,在结果界面就会有提示规则重复了:

图片6

此外,test()选项还能测试recode命令是否应用了所有规则,如果有规则没有被使用,将会显示警示。如下:数据集中并没有10这个数值,因此这个规则指定一定是无效的,加上text()选项就会提示有至少一条规则没有生效:

图片7

(2)copyrest()选项

在recode命令中,如果添加if或in语句限定了观测值改变范围,在产生的新变量中,范围外的数值将会变为缺失值。例如,指定前三行的数值进行相应改变:

recode v (1/5=0) in 1/3,gen(v9)

观察数据集可发现,前三行外的数值全部变成了缺失值。这时加上copyrset选项,就会将范围外的观测值原样复制到新变量中。

recode v (1/5=0) in 1/3,gen(v10) copyrest

图片8

(3)label()选项

label()选项可以说是recode命令的灵魂,正是因为有label()选项,recode才可无愧于分类神器这个称号。在之前的推文让你的数据一目了然--label命令介绍中,我们介绍过如何使用label命令来给值贴标签。一般分为两步走,先用label define 定义值标签,再用label value 贴标签。而recode命令中,简单一行命令就可以搞定这两步!

下面我们以Stata提供的网络数据集来介绍一下recode命令中的label()选项:

webuse fullauto, clear

观察变量窗口,我们可以发现rep77,rep78两个变量共享值标签repair。

图片9

查看repair这个值标签的内容。

label list repair

我们发现repair这个值标签有5项内容:

图片10

现在,我们觉得分成5类太多了,想改为3类,且对相应数据重新分组赋值,即实现如下操作:

图片11

直接在每个规则指定后面用双引号添加新标签内容,并且在最后添加label()选项为新标签命名即可:

recode rep77 rep78 (1 2=1 "Below average") (3=2 "Average") (4 5=3 "Above average"),prefix(new) label(newrep)
list *rep* in 1/5,nolabel
label list repair newrep

此时,新的标签内容和部分数据集情况如下: 
图片12

以上就是小编今天为大家带来的内容,小编本身就是一名python开发工程师,我自己花了三天时间整理了一套python学习教程,从最基础的python脚本到web开发,爬虫,数据分析,数据可视化,机器学习,等,这些资料有想要的小伙伴 :" 点击 " 即可领取