Question

我有这些数据：

id  test    test_date   value
1   A   02/06/2014 12:26    11
1   B   02/06/2014 12:26    23
1   C   02/06/2014 13:17    43
1   D   02/06/2014 13:17    65
1   E   02/06/2014 13:17    34
1   F   02/06/2014 13:17    64
1   A   05/06/2014 15:14    234
1   B   05/06/2014 15:14    646
1   C   05/06/2014 16:50    44
1   E   05/06/2014 16:50    55
2   E   05/06/2014 16:50    443
2   F   05/06/2014 16:50    22
2   G   05/06/2014 16:59    445
2   B   05/06/2014 20:03    66
2   C   05/06/2014 20:03    77
2   D   05/06/2014 20:03    88
2   E   05/06/2014 20:03    44
2   F   05/06/2014 20:19    33
2   G   05/06/2014 20:19    22

我想将这些数据转换为如下的宽格式：

id    date              A   B   C   D   E   F   G
1   02/06/2014 12:26    11  23  43  65  34  64  .
1   05/06/2014 15:14    234 646 44  .   55  .   .
2   05/06/2014 16:50    .   .   .   .   443 22  445
2   05/06/2014 20:03    .   66  77  88  44  33  22

我在Stata中使用reshape命令，但它没有产生所需的结果：

reshape wide test_date value, i(id) j(test) string

知道怎么做吗？

更新你是对的，我们需要这个missvar。我尝试通过编程来创建它，但失败了。假设在2小时的测试日期之前，批次将考虑相同。我们只有7个测试（A，B，C，D，E，F，G）。首先，我试着找出时差;

 bysort id: gen diff_bd = (test_date[_n] - test_date[_n-1])/(1000*60*60)    

 bysort id: generate missvar = _n if diff_bd <= 2

Answer 1

该命令略有错误指定。您想要重塑value。查看您想要的输出，并注意观察结果由id和test_date唯一标识。因此，它们应该在i选项中。

reshape wide value, i(id test_date) j(test) string

这会产生一些你想要的东西，你只需要重命名一些变量来获得完全的输出。具体做法是：

rename test_date date
renpfix value

Answer 2

@jfeigenbaum给出了部分答案。

我看到的问题是您缺少一个标识相关子组的变量。这些子组似乎受到test取值A - G的限制。但我可能错了。

我已将此变量包含在示例数据集中，并将其命名为missvar。我强迫这个变量进入数据集，相信它可以识别出那些虽然隐含在原始帖子中对你的分析很重要的群体。

clear
set more off

*----- example data -----

input ///
id  str1 test    str30 test_date   value missvar
1   A   "02/06/2014 12:26"    11 1
1   B   "02/06/2014 12:26"    23 1
1   C   "02/06/2014 13:17"    43 1
1   D   "02/06/2014 13:17"    65 1
1   E   "02/06/2014 13:17"    34 1
1   F   "02/06/2014 13:17"    64 1
1   A   "05/06/2014 15:14"    234 2
1   B   "05/06/2014 15:14"    646 2
1   C   "05/06/2014 16:50"    44 2
1   E   "05/06/2014 16:50"    55 2
2   E   "05/06/2014 16:50"    443 1
2   F   "05/06/2014 16:50"    22 1
2   G   "05/06/2014 16:59"    445 1
2   B   "05/06/2014 20:03"    66 2
2   C   "05/06/2014 20:03"    77 2
2   D   "05/06/2014 20:03"    88 2
2   E   "05/06/2014 20:03"    44 2
2   F   "05/06/2014 20:19"    33 2
2   G   "05/06/2014 20:19"    22 2
end

gen double tdate = clock( test_date, "DM20Yhm")
format %tc tdate

drop test_date
list, sepby(id)

*----- what you want ? -----

reshape wide value, i(id missvar tdate) j(test) string
collapse (min) tdate value?, by(id missvar)

rename value* *

list

应该有一些以编程方式识别组的方法。依赖于数据的原始排序顺序是一种方式，但它可能不是最安全的。它可能是唯一的方式，但只有你知道。

修改

关于你的评论以及＆＃34;缺失＆＃34;变量，创建它的一种方法是：

// one hour is 3600000 milliseconds
bysort id (tdate): gen batch = sum(tdate - tdate[_n-1] > 7200000)

对于您的示例数据，这会创建一个与batch相同的missvar变量。您也可以使用时间序列运算符。

让我强调您在展示示例数据时需要小心。它必须是真实的代表，否则您可能会获得不适合它的代码;这包括你没有注意到它的可能性，因为Stata没有给出任何错误。

例如，如果您在两小时限制内应用同一test id，那么您将使用此代码丢失信息（{{1} }}）。（这不是示例数据中的问题。）

编辑2

回应评论中发现的另一个问题：

假设对 person 1 的新观察，以便他在两小时限制内接受重复测试，但在不同时间：

collapse

测试1 A "02/06/2014 12:26" 11 1 // old observation 1 B "02/06/2014 12:26" 23 1 1 A "02/06/2014 12:35" 99 1 // new observation 1 C "02/06/2014 13:17" 43 1 1 D "02/06/2014 13:17" 65 1 1 E "02/06/2014 13:17" 34 1 1 F "02/06/2014 13:17" 64 1 1 A "05/06/2014 15:14" 234 2 1 B "05/06/2014 15:14" 646 2 1 C "05/06/2014 16:50" 44 2 1 E "05/06/2014 16:50" 55 2适用于A和12:26。 12:35对此没有任何问题，但Reshape将丢弃信息，因为它在collapse组中采用最小值;请注意，对于变量id missvar，新信息（99）将丢失（所有其他变量也会丢失，但您明确表示要丢弃它）。在valueA之后但在reshape之前：

collapse

运行完整的代码确认了我们刚才所说的内容：

. list, sepby(id)

     +--------------------------------------------------------------------------------------------------+
     | id   missvar                tdate   valueA   valueB   valueC   valueD   valueE   valueF   valueG |
     |--------------------------------------------------------------------------------------------------|
  1. |  1         1   02jun2014 12:26:00       11       23        .        .        .        .        . |
  2. |  1         1   02jun2014 12:35:00       99        .        .        .        .        .        . |
  3. |  1         1   02jun2014 13:17:00        .        .       43       65       34       64        . |
  4. |  1         2   05jun2014 15:14:00      234      646        .        .        .        .        . |
  5. |  1         2   05jun2014 16:50:00        .        .       44        .       55        .        . |
     |--------------------------------------------------------------------------------------------------|
  6. |  2         1   05jun2014 16:50:00        .        .        .        .      443       22        . |
  7. |  2         1   05jun2014 16:59:00        .        .        .        .        .        .      445 |
  8. |  2         2   05jun2014 20:03:00        .       66       77       88       44        .        . |
  9. |  2         2   05jun2014 20:19:00        .        .        .        .        .       33       22 |
     +--------------------------------------------------------------------------------------------------+

现在假设对 person 1 的新观察，以便他在两小时限制内接受重复测试，但同时：

. list, sepby(id)

     +--------------------------------------------------------------------------+
     | id   missvar                tdate     A     B    C    D     E    F     G |
     |--------------------------------------------------------------------------|
  1. |  1         1   02jun2014 12:26:00    11    23   43   65    34   64     . |
  2. |  1         2   05jun2014 15:14:00   234   646   44    .    55    .     . |
     |--------------------------------------------------------------------------|
  3. |  2         1   05jun2014 16:50:00     .     .    .    .   443   22   445 |
  4. |  2         2   05jun2014 20:03:00     .    66   77   88    44   33    22 |
     +--------------------------------------------------------------------------+

然后1 A "02/06/2014 12:26" 11 1 // old observation 1 B "02/06/2014 12:26" 23 1 1 A "02/06/2014 12:26" 99 1 // new observation 1 C "02/06/2014 13:17" 43 1 1 D "02/06/2014 13:17" 65 1 1 E "02/06/2014 13:17" 34 1 1 F "02/06/2014 13:17" 64 1 1 A "05/06/2014 15:14" 234 2 1 B "05/06/2014 15:14" 646 2 1 C "05/06/2014 16:50" 44 2 1 E "05/06/2014 16:50" 55 2赢了。 Stata抱怨道：

变量测试的值在id missvar tdate
中不唯一

并且有理由。在发出问题信号时，错误很明显。（如果不清楚，请返回reshape并进行一些练习。）鉴于命令的功能，请求没有任何意义。

最后，请注意检查某些内容是否有效是相对容易的：试试吧！在这种情况下，所有必要的是修改示例数据。如有必要，请返回帮助文件和手册。

如何在Stata中转换长到宽的数据？

2 个答案:

修改

编辑2