数据长、宽整型之另辟蹊径
本文作者：俞诗琪
文字编辑：张馨月
技术总编：李朋冲
爬虫俱乐部将于2020年1月5日至11日在湖北武汉举行为期一周的Stata编程技术定制培训，此次采取初级班和高级班分批次培训。课程通过案例教学模式，旨在帮助大家在短期内掌握Stata软件编程、金融计量知识和实证分析方法，使大家熟悉Stata核心的爬虫技术，以及Stata与其他软件交互的高端技术。目前正在火热招生中~详细培训大纲及报名方式，请点击《爬虫俱乐部2020第一期Stata编程训练营开始报名啦！》或点击文末阅读原文呦~
前期推文《朝花夕拾|长宽数据转换——reshape命令》对reshape命令在长、宽数据转换中的用法进行了详细介绍，可谓是Excel“重症患者”的福音！但是，小编现在想当场考考大家：若想将一个长型数据转成宽型，reshape wide命令后的选项如何设置？“i() j()”该写什么变量名？换成reshape long命令又如何呢？
大家或许可以支支吾吾地说些道道出来，但仍不十分确定，然后弱弱地说道：“我先去回顾下上次推文，等会告诉你！”
其实不必这么麻烦，今天小编就发扬活雷锋精神为大家介绍reshape的“简化版”命令——gather和spread命令。这两个命令无需使用reshape的选项“i()j()”，十分简单易上手。虽然不能完全取代reshape命令在数据整型中的地位，但多数情况下仍然适用。
在使用之前，通过“ssc install tidy”安装gather和spread命令。接下来，分别介绍这两个命令的主要用法。
一、gather和spread命令
gather命令与reshape long功能相似，旨在将宽型数据转换成长型，其基本语法如下：
gather varlist, [variable(newvar) value(newvar)label(newvar)]
各选项定义如下：
（1）varlist：定义当前宽型数据中用于转换的单个或多个变量；
（2）variable：定义一个名为newvar的新变量，否则默认新变量名为variable，其值为varlist变量名；
（3）value：定义一个名为newvar的新变量，否则默认新变量名为value，其值与varlist相同；
（4）label：定义一个新变量，用于存储varlist变量标签。
spread命令与于reshape wide命令功能相似，旨在将长型数据转换成宽型，其基本语法如下：
spread variable value ,[label(varname)]
各选项定义如下：
（1）variable和value：分别对应gather命令在长型数据中生成的两个新变量；
（2）label：用于存储新变量标签值。
二、gather和spread命令用法示例
采用Stata自带数据集auto.dta，为使操作更加直观，仅使用前5行观测值及前三个变量示例。如下：
sysuseauto.dta, clearkeep in 1/5keep make weight mpg1、不添加选项
可知，图示为宽型数据，采用如下程序将其转换为长型数据：
gather weight mpg依据上图，在转换后的长型数据中，变量variable提示了value的各行观测值来自于宽型数据的哪个变量。可见，value取值与原始数据集保持一一对应。
而后，采用spread命令将该长型数据集返回为原始宽型数据：
spread variable value以上操作是不是很直观呢？我们再来回顾一下通过reshape long命令如何实现上述“宽型→长型→宽型”的结果。首先需要将变量weight和变量mpg重命名为“valueweight”和“valuempg”，而后进行转换，如下：
rename weight valueweightrename mpg valuempgreshape long value,i(make) j(variable) string同理，使用reshape wide命令将其返回为宽型数据，如下：
reshape wide value,i(make) j(variable) string可知，两种处理方式效果相似，但本例中weight和mpg的变量名最初不符合要求（即不满足“共同名称+选项j”的形式），通过reshape命令进行转换步骤较为繁琐。因此，在变量名无明显规律时，更推荐使用gather命令和spread命令。
2、添加选项用法
在该部分，通过variable()和value()选项定义我们所需的新变量名。依然采用上述原始数据，如下：
sysuse auto.dta, clearkeep in 1/5keep make weight mpggather weight mpg, variable(item) value(observation)依据上图，新生成的两个变量以选项中自定义的“item”和“observation”命名。而在转换为原始宽型数据时，也是将其作为转换变量，如下：
spread item observation3、在转换过程中保留变量标签
细心的朋友可能会发现一个问题，原始变量标签在经过长宽型转换后发生变化。分别查看原始的与经过一次长宽型转换后的数据特征，如下：
describegather weight mpgspread variable valuedescribe可见变量weight和mpg的标签分别由原来的“Weight(lbs.)”、“Mileage(mpg)”换为了“weightvalue”、“mpgvalue”。如何保持原始数据集变量标签不被修改呢？此时我们需要用到选项label，如下：
sysuse auto.dta, clearkeep in 1/5keep make weight mpggather weight mpg,label(x)spread variable value,label(x) describe由此，gather命令后添加选项label(x)，便可在自定义的变量x中存储转换变量的标签值。同样地，在spread命令后加选项label(x)，也能将存储的标签值贴回对应变量。
通过以上介绍，相信大家已经基本掌握gather命令和spread命令的用法了。这两个命令操作较为直观，可以缓解我们用错reshape命令的尴尬。但其也存在不足，由于选项较少无法与reshape命令的丰富用法相媲美。在实践中还需视具体情况选择合适的命令，让Stata更好地服务于我们的工作学习！
给你一个贴心的reshape应用
关于我们
微信公众号“Stata and Python数据分析”分享实用的stata、python等软件的数据处理知识，欢迎转载、打赏。我们是由李春涛教授领导下的研究生及本科生组成的大数据处理和分析团队。
1）必须原创，禁止抄袭；
2）必须准确，详细，有例子，有截图；
注意事项：
1）所有投稿都会经过本公众号运营团队成员的审核，审核通过才可录用，一经录用，会在该推文里为作者署名，并有赏金分成。
2）邮件请注明投稿，邮件名称为“投稿+推文名称”。
3）应广大读者要求，现开通有偿问答服务，如果大家遇到有关数据处理、分析等问题，可以在公众号中提出，只需支付少量赏金，我们会在后期的推文里给予解答。