‘将字符型转为数值，例如将行业分类变为数字编码、省份变为数值：

encode var, gen(var1)

有时，直接编码不能满足需求，例如要根据行业分类第一字母分类，C类行业根据前两个字符转变为数值，此时的代码为：

gen Ind = Indcd
replace Ind = substr(Indcd,1,1) if substr(Indcd,1,1)!="C"
replace Ind = substr(Indcd,1,2) if substr(Indcd,1,1)=="C"

encode Ind,gen(industry)

截取字符串的部分，例如经常建立年份，需要截取日期的前四个字符：

gen var1 = substr(var,1,4)

将所有空值全部替换成0值：

一个个变量replace 很麻烦，可以用以下简便方法

mvencode _all, mv(0)

如果使用上述命令，仍有一部分缺失值并未替换成0，可用下述命令强制转换

mvencode _all, mv(0) override

把字符串的日期格式转换为date格式

首先，CSMAR上下载的很多默认是“2020-05-21”这种格式，显然是date()函数不能识别的，首先要转换成“month\day\year”的格式

gen Year = substr(TradingDate ,1,4)

gen month = substr(TradingDate,6,7 )

replace month = substr(month,1,2 )
gen day = substr(TradingDate ,9,10)

gen Date = "month" + "/" + day + "/" + Year

gen date_back = date(Date,"MDY")

format date_back %td

导入excel，通常前两行是变量名称和单位，需要删掉：

drop in 1/2

将str格式转变为int或long格式：

destring var1 var2,replace

合并两个数据集merge：

merge 1:1 Stkcd year using "目录路径\数据.dta"

不生成_merge变量，并且保留_merge

merge 1:1 Stkcd year using "目录路径\数据.dta"，keep(1 3) nogen

判断字符串有没有包含特定字符,例如筛选出年报，则日期要包含‘12-31’：

keep if strmatch(var, "*12-31*")

把类型转换成int:

 recast int Year

排序（sort，gsort)：

sort命令：在STATA中对观测值（行）根据特定变量进行升序排序。

gsort命令：在STATA中对观测值（行）进行升序或降序排列（多变量时可以是升序和降序的组合）。

sort完整代码：

sort varlist 

gsort完整代码：

gsort [+|-] varname [[+|-] varname ...] [, g(newvar) m]

• [+|-]：[+]为升序，[-]为降序，默认升序；
• varname：排序依据的变量；
• [generate(newvar)]：生成表示排序顺序的新变量（1, 2, 3, ...）
• [mfirst]：missing first，将缺失值排在最前面，默认为排在最后

根据某一分隔符进行分割成多个变量：

split date,parse(", "" ") gen(ndate) notrim  //根据，和空格进行分割

OLS或者固定效应模型后生成残差

predict e,residual

缩尾、截尾（Winsor2)

 剔除前20%的数据（需要先排序）

egen p20 = pctile(invest), p(20)
egen p80 = pctile(invest), p(80)

N等分（来源：Stata将数值型变量N等分的几种方式 (baidu.com)

举例，已知各地GDP，想按照GDP将城市分为好中差三类。

转化为Stata任务：已经有变量GDP，根据GDP的值从小到大分三类生成变量type

Stata有三种实现方式，略有差异

1. 命令 egen 结合函数cut

egen type = cut(GDP), group(3)

N等分就选择group(N)

得到type取值为0、1、2

2. 命令generate 结合命令sort与函数group

sort GDP

generate type = group(3)

N等分就选择group(N)，要先sort再生成，如果想从大到小排列则用 gsort -GDP

得到type取值为1、2、3

3. 外部命令astile

astile type = GDP, nq(3)

N等分就选择nq(N)

得到type的取值为1、2、3

注意：astile命令需要另外下载，ssc install astile, replace

有条件的计数：

count if price > 500

bys industry year: egen x = count(var) if var>= 0

删除重复值

duplicates drop Stkcd Year,force

长面板变短面板——reshape

有时省份等宏观层面的数据往往是以地区为行、年份为列，而经常的情况是我们需要面板数据：

参考链接：如何把国家统计局地区分省年度数据快速整理成省级面板数据 - 简书

互助问答第22期：在stata中将截面数据转为面板数据 - 知乎 (zhihu.com)

首先了解stata里面的reshape命令：

运用reshape语句时，重点就是对long和wide型数据中i和j的认识。回到图1，找到i，j，stub三要素。①Wide form中的id就是i；②inc80、inc81、inc82随时间变化的变量就是stub&j；③sex与id保持对应，不随j（时间）变化，不需要在代码中反映。

于是可以用 reshape long的语句将截面数据变为面板数据，wide form中i（id）变为long form中的i（id），sex与i自动保持一致，stub&j拆分为stub（inc）和j（year）。

reshape long inc, i(id) j(year)

*local i =  A[2]
local i =  substr(A[2],10,.)  //提取数据指标：地区生产总值。
dis  "`i'"
keep in 5/35 //保存5-35行数据
renvars B-U \ a2018 a2017 a2016 a2015 a2014 a2013 a2012 a2011 
a2010 a2009 a2008  a2007 a2006 a2005 a2004 a2003 a2002 
a2001 a2000 a1999  //变量重命名
gen id = _n
reshape long a, i(id) j(year)   //把宽数据转为长数据
label variable a "`i'"   //添加标签“地区生产总值”