变量类型转换之encode&decode命令

本文作者：赵冰洁，中南财经政法大学金融学院
文字编辑：崔赵雯
技术总编：余术玲

  在往期推文《encode和decode--带你探索解码与编码的世界》中已经为大家介绍了在 Python 中有关编码和解码的两种数据处理方法: encode 和 decode，今天小编将和大家一起继续探索在 Stata 中进行变量类型转换的两个命令：encode & decode。让我们一起来看一下吧~

一、命令介绍

1. encode -- 字符型变量转换为数值型变量

  命令语法如下：

encode varname [if] [in] , generate(newvar) [label(name) noextend]

  该命令的常用选项：
（1）generate(newvar)
在使用 encode 命令时，generate(newvar) 选项是必须设定的，赋给转换后的数值型变量新的变量名——newvar。
（2）label(name)
该选项用于指定转换后的数值型变量的值标签名称。如果未指定 label( ) 选项，则转换后的数值型变量的值标签名称与其变量名称相同。
（3）noextend
使用 encode 命令时，在指定 noextend 选项的情况下，如果 label( ) 选项所指定的值标签中没有 varname 包含的值，则不会对 varname 进行编码。在默认情况下，label( ) 选项的值标签中不存在的任何值都将添加到该标签中。只有当 label( ) 选项指定了新生成变量的值标签，才可以指定 noextend 选项。

2. decode -- 数值型变量转换为字符型变量

  命令语法如下：

decode varname [if] [in] , generate(newvar) [maxlength(#)]

  该命令常用选项：
（1）generate(newvar)
在使用 decode 命令时，generate(newvar) 选项是必须设定的，赋给转换后的字符型变量新的变量名——newvar。
（2）maxlength(#)
maxlength( # ) 选项用于设定转换后的字符型变量的长度，#的设定必须是在1-32000字节之间。在默认情况下，字符型变量的长度为32000字节。

二、案例介绍

1. encode 命令示例

  接下来，以 Stata 的示例数据集为例，结合 lable( ) 选项介绍一下 encode 命令的具体使用。

clear all
webuse hbp2,clear
describe sex  /// 查看sex这一变量，观察其在内存中的存储类型

  结果如下：

image

  根据以上结果显示，可以看到 sex 这一变量在内存中的存储类型为字符型变量，且该变量没有值标签。接下来，我们就使用 encode 命令将其转换为数值型变量 gender，并通过 label( ) 选项为该变量添加值标签。

encode sex, generate(gender) label(sexlbl)  /// 生成新的数值型变量gender，并为其添加值标签
des gender  /// 查看gender这一变量，观察其转换之后的存储类型和值标签

  结果如下：

image

image

  查看数据窗口，可以看到新生成了一列变量 gender（蓝色字体标识），其观测值与原来的字符型变量 sex 的观测值一致，并且新变量的存储类型已经由原来的字符型变量转换为了数值型变量，同时通过 label( ) 选项添加了新的值标签 sexlbl。

  转换之后，gender 这一数值型变量就可以被看做是虚拟变量，每一个观测值都会有相应的数字序号表示，我们可以用这一变量进行实证分析。以t检验为例，结果如下：

image

2. decode 命令示例

clear all
webuse hbp3,clear
describe female  /// 查看female这一变量，观察其在内存中的存储类型

  结果如下：

image

  可以看到，female 这一变量在内存中的存储类型为数值型变量。接下来，我们通过使用 decode 命令将这一变量转换为字符型变量。

decode female, generate(gender_2)   /// 通过decode命令进行变量类型的转换，生成新的变量gender_2

des gender_2  /// 查看新变量gender_2，观察其在内存中的存储类型

  结果如下：

image

image

  查看数据窗口，我们可以看到新增了一列变量 gender_2，且新变量的存储类型为字符型。

三、使用误区

  在 Stata 中处理数据时，有时候需要将字符型变量转换为数值型变量。encode 和 destring 都是比较常用的命令，但是二者有区别。 encode 命令是给字符型变量重新编码，它只是返回了转换后的数值型变量的标签，而不是将原来的以字符型存储的数值变量转换为真正意义上的数值变量， 而且encode 命令会自动根据文字类别进行编号，并设定相应的[数字-文字对应表]。

  在上述案例介绍中，通过 encode 命令进行变量类型转换后，我们会得到如下结果：

image

image

  可以看到，在数据窗口中，新增变量的数据呈现蓝色字体，且有相应的[数字-文字对应表]，即 1-female；2-male。所以， encode 命令在进行变量类型转换的同时会根据[数字-文字对应表]对原来字符型变量进行相应的分组，新变量的观测值以原来的字符型变量观测值显示，但是其真实值是1,2,3,......等表示序号的数值。

  为了更准确地使用 encode 命令和 destring命令，这里有两点小 tips:
（1）若想真正意义上地将字符型变量转换为数值型变量，则使用 destring 命令。
（2）若想为字符型变量观测值分类，贴上1,2,3......等表示序号的编码值，并且将原来的字符型数据设置为转换后的数值型变量的标签，则使用 encode 命令。

  以上就是关于 encode 命令和 decode命令的介绍了，更多的精彩内容大家可以通过 help 命令进行了解~