导入带有长度分隔符的文本文件

Question

我有一个文本文件，它只包含数字。

例如：

2001 31110
199910 311

它的布局可以解释如下：

1~4th numbers : Year
5~6th numbers : Month
7~8th numbers : Day
9th number : Sex
10th number : Married

但是，我无法决定如何将此文件导入 Stata。

例如，如果我使用命令：

import delimited input.txt, delimiter(??)

delimiter应该写什么？

我不一定需要使用上述内容。我只想使用任何方法导入数据。

Answer 1

答案取决于您以后要如何处理数据。

我的理解是空格表示与日期相关的数字的单个数字，并且在文本文件中，只有月​​份或日期可以是单个数字，但不能同时是两个数字。此外，sex 和 married 是二进制指标，取值 0 和 1。

假设以上是正确的并且下面的数据包含在一个文件data.txt中：

2001 31110
199910 311
1983 41201
2012121500

这是一种方法：

clear 
import delimited data.txt, delimiter(" ") stringcols(_all)  

list

     +--------------------+
     |         v1      v2 |
     |--------------------|
  1. |       2001   31110 |
  2. |     199910     311 |
  3. |       1983   41201 |
  4. | 2012121500         |
     +--------------------+

replace v2 = "0" + v2 if v2 != ""
generate v3 = v1 + v2

generate year = substr(v3, 1, 4)
generate month = substr(v3, 5, 2)
generate day = substr(v3, 7, 2)

generate date = substr(v3, 1, 8)

generate sex = substr(v3, 9, 1)
generate married = substr(v3, 10, 1)

list
     +----------------------------------------------------------------------------------+
     |         v1       v2           v3   year   month   day       date   sex   married |
     |----------------------------------------------------------------------------------|
  1. |       2001   031110   2001031110   2001      03    11   20010311     1         0 |
  2. |     199910     0311   1999100311   1999      10    03   19991003     1         1 |
  3. |       1983   041201   1983041201   1983      04    12   19830412     0         1 |
  4. | 2012121500            2012121500   2012      12    15   20121215     0         0 |
     +----------------------------------------------------------------------------------+

您基本上可以在最多两个字符串变量中导入所有内容，其中一个空格 " " 充当分隔符。通过在前面添加0 将个位数的月份或日期更改为两位数。然后，在您使用substr() 函数提取字符串的相关部分后，您可以根据需要简单地将结果变量转换为数值。

例如：

destring year month day sex married, replace

generate date2 = daily(date, "YMD")
format date2 %tdDD-NN-CCYY

. list date2 

     +------------+
     |      date2 |
     |------------|
  1. | 11-03-2001 |
  2. | 03-10-1999 |
  3. | 12-04-1983 |
  4. | 15-12-2012 |
     +------------+

如果在您的文本文件中月份和日期都包含单个数字，则遵循与上述相同的逻辑，但在导入数据后还需要处理第三个变量。