代码之家 › 专栏 › 技术社区 › user42459

导入带长度分隔符的文本文件

delimited-text delimiter stata import

0

user42459 · 技术社区 · 6 年前

我有一个文本文件,里面只有数字。

例如:

2001 31110
199910 311

其布局可以解释如下:

1~4th numbers : Year
5~6th numbers : Month
7~8th numbers : Day
9th number : Sex
10th number : Married

但是,我不能决定如何将这个文件导入stata。

例如,如果我使用命令:

import delimited input.txt, delimiter(??)

我应该写什么 delimiter ?

我不一定要用上面的。我只想用任何方法导入数据。

1 回复 | 直到 6 年前

1

2

Pearly Spencer Paul Cruz 6 年前

答案取决于你以后想对数据做什么。

我的理解是,空格表示与日期相关的数字是一位数,而在文本文件中,只有月份或日期可以是一位数,但不能同时是两位数。此外, sex 和 married 二进制指示器是否取数值 0 和 1 .

假设以上是正确的,并且下面的数据包含在一个文件中 data.txt :

有一种方法:

clear 
import delimited data.txt, delimiter(" ") stringcols(_all)  

list

     +--------------------+
     |         v1      v2 |
     |--------------------|
  1. |       2001   31110 |
  2. |     199910     311 |
  3. |       1983   41201 |
  4. | 2012121500         |
     +--------------------+

replace v2 = "0" + v2 if v2 != ""
generate v3 = v1 + v2

generate year = substr(v3, 1, 4)
generate month = substr(v3, 5, 2)
generate day = substr(v3, 7, 2)

generate date = substr(v3, 1, 8)

generate sex = substr(v3, 9, 1)
generate married = substr(v3, 10, 1)

list
     +----------------------------------------------------------------------------------+
     |         v1       v2           v3   year   month   day       date   sex   married |
     |----------------------------------------------------------------------------------|
  1. |       2001   031110   2001031110   2001      03    11   20010311     1         0 |
  2. |     199910     0311   1999100311   1999      10    03   19991003     1         1 |
  3. |       1983   041201   1983041201   1983      04    12   19830412     0         1 |
  4. | 2012121500            2012121500   2012      12    15   20121215     0         0 |
     +----------------------------------------------------------------------------------+

基本上,您可以导入最多两个字符串变量中的所有内容,其中只有一个空格 " " 充当分隔符。通过添加一个 零 在前面。然后,在使用 substr() 函数,只需根据需要将结果变量转换为数值即可。

例如:

destring year month day sex married, replace

generate date2 = daily(date, "YMD")
format date2 %tdDD-NN-CCYY

. list date2 

     +------------+
     |      date2 |
     |------------|
  1. | 11-03-2001 |
  2. | 03-10-1999 |
  3. | 12-04-1983 |
  4. | 15-12-2012 |
     +------------+

如果在文本文件中,月和日都包含个位数,则遵循与上面相同的逻辑,但在导入数据之后,还需要处理第三个变量。