根据多列中的值创建变量？

【问题标题】：Create variable based on value in multiple columns?根据多列中的值创建变量？
【发布时间】：2020-06-23 04:35:21
【问题描述】：

有一个相当大的 Stata 数据集（教育），其中有 60 多个变量专门用于“考试”信息，还有一些基于学生性别、年龄、人口统计等的变量。有成千上万的学生（行）。不幸的是，各种测试的成绩不是标准的（字母和数字的组合，并且可能出现在每个学生的 60 多个列中的任何一个中，具体取决于他们参加相关考试的时间）。我正在尝试创建一个新变量，以识别此时参加 G40 或 G41 考试的所有人员。成绩列都被分配为dx，并带有一个数字，所以我开始尝试以下方法：

    gen byte event = 0 
    replace event = 1 if dx1 == "G40" | dx1 == "G41"| dx2 == "G40" | dx2 == "G41" | dx3 == "G40" | dx3 == "G41" | dx4 == "G40" | dx4 == "G41" | dx5 == "G40" | dx5 == "G41" & age < 12

我不想在每次为新考试创建新变量时都写出 60 多列中的每一列。有更快的方法吗？

【问题讨论】：

标签： variables replace stata

【解决方案1】：

我将展示两种技术，一种适用于您提供的较小代码示例，另一种适用于 60 多个“列”（变量！）。

只是你的例子，我倾向于写成一行

gen byte event = (  inlist("G40", dx1, dx2, dx3, dx4, dx5) |  /// 
inlist("G41", dx1, dx2, dx3, dx4, dx5) ) & age < 12

对于 60 多个这样的变量，我会编写一个循环。

gen byte event = 0 

foreach v of var dx* { 
    display "`v' " _c 
    replace event = 1 if inlist(`v', "G40", "G41") & age < 12 
}

出于调试或理解的目的，当操作看起来很常规时，输出的噪音比通常的要大。 inlist() 的一个标准技巧是注意形式 foo == whatever 的测试与 whatever 的测试相同== foo 所以通常会选择哪个参数在前，而其他参数在后。

【讨论】：