重新编码字符串变量答案

【问题标题】：Recode A String Variable重新编码字符串变量
【发布时间】：2020-09-28 23:31:48
【问题描述】：

input VAR1 VAR2
A1 1
A2 0
A3 1
A4 1
A5 1
A6 1
A7 1
A8 1
A9 1
A10 1
A15 1
B7 0
A1 0
A16 1
A17 1
A18 1
A19 1
A20 0
A21 1
end

假设您有如图所示的数据。我有VAR1 并希望从中创建VAR2，如果VAR1 开头包含：A1、A3-A10、A15-A19、A21，则取值为 1，否则为零。我相信为此您可以使用strpos(VAR1)，但是否可以说例如：strpos(VAR1, "A1, A3/A10, A15/A19, A21")？

【问题讨论】：

标签： string stata recode

【解决方案1】：

如果您有少量感兴趣的字符串，则以下方法有效。如果您要搜索大量字符串，则可能需要另一种方法，因为写出字符串的范围（例如 A3-A10）是不可行的。

clear
input str3 VAR1 VAR2
A1 1
A2 0
A3 1
A4 1
A5 1
A6 1
A7 1
A8 1
A9 1
A10 1
A15 1
B7 0
A1 1
A16 1
A17 1
A18 1
A19 1
A20 0
A21 1
end

gen wanted = 0

local mystrings = "A1 A3 A4 A5 A6 A7 A8 A9 A10 A15 A16 A17 A18 A19 A21"

foreach string in `mystrings' {
    replace wanted = 1 if strpos(VAR1, "`string'") == 1
}

assert wanted == VAR2

请注意，在您的示例输入中，第二次出现的 A1 的值为 0，但根据您的帖子，该值应为 1。

对于更大范围的字符串，这是一个更通用的解决方案：

gen     A = 0
replace A = 1 if strpos(VAR1,"A") == 1

gen newvar = substr(VAR1,2,.)
destring newvar, replace

gen wanted = 0
replace wanted = 1 if A == 1 & (inlist(newvar,1,21) | inrange(newvar,3,10) | inrange(newvar,15,19))

assert wanted == VAR2

【讨论】：

非常感谢，这很棒。但是，如果说我必须将 A01 到 A55 和 A59 到 A101 编码为 '1' 呢？在 Stata 中是否有可能只说：“A01/A55 | A59/A101”？而不是单独写一个？当字符串的范围真的很大时，您有什么建议吗？
如果所有字符串都以单个字母开头，例如A，我建议使用substr 函数生成一个新变量，该变量包含相同的字符串但没有第一个字母（因此它只包含数字），然后使用destring 将该字符串转换为数字并使用类似的东西选择观察值replace wanted = 1 if inrange(newvar,59,101)。希望这是有道理的。
没关系。我将使用一些示例代码编辑我的答案。
gen VARA = substr(VAR1, 1, 1) 和 gen VARB = substr(VAR1, 2, .)
你在 Statalist 上交叉发帖，如果不告诉别人，这不是一个好习惯。另外，请不要在 cmets 中提出新问题。