如何将包含非数值的字符串转换为数值？

Question

我有几个变量的形式：

1    gdppercap
2    19786,97
3    20713,737
4    20793,163
5    23070,398
6    5639,175

我已将数据复制粘贴到 Stata 中，它认为它们是字符串。到目前为止，我已经尝试过：

destring gdppercap, generate(gdppercap_n)

但得到

gdppercap contains nonnumeric characters; no generate

还有：

encode gdppercap, gen(gdppercap_n)

但无论之前的值如何，都会得到一个编号为 1 到 1055 的变量。

我也试过了：

gen gdppercap_n = real(gdppercap)

但是得到：

(1052 missing values generated)

你能帮帮我吗？据我所知，Stata 不喜欢变量包含分数的事实。

Answer 1

如果我理解正确的话，字符串的解释源于一个甚至两个事实：

1. 变量名可能会在第一次观察中回显。如果是这样，那是文本，它与数字变量不一致。根本问题可能是复制太多的复制粘贴操作。在通过复制和粘贴导入时，Stata 通常会为您提供一个选择，即您复制的第一行是被视为变量名还是数据，您需要第一个选择，以便列标题成为变量名，而不是数据。最好返回并正确进行复制和粘贴。但是，Stata 可能会在电子表格中处理多个标题行。或者，使用import excel，而不是复制粘贴。或者，drop in 1 删除第一个观察，前提是它始终是多余的。

2. 逗号表示小数位。 destring 可以轻松应对：请参阅其dpcomma 选项的帮助。 Stata 不反对分数；那将是荒谬的。问题是您需要标记您对逗号的使用。

注意

• destring 是real() 的包装，所以real() 不能解决这个问题。

• encode 用于将真正的分类变量映射到整数，正如您所发现的，正如它的帮助所解释的那样。它不是用于修复数据输入错误。

Answer 2

您可以编写一个 for 循环来将逗号转换为句点。我不太了解您的变量，但假设您有一个变量 gdppercap，其中包含 1234,343 之类的信息，并且您希望在执行 destring 之前将其设为 1234.343。

例如：

forvalues x = 1(1)10 {
   replace gdppercap = substr(gdppercap, 1, `x'-1) + "." + substr(gdppercap, `x'+1, .)    
   if substr(gdppercap, `x', 1) == ","
 }