如何在使用列名而不是列索引加载数据集时定义变量类型？

Question

当我需要加载其中某些特定列必须作为字符串读取的数据集时，我键入：

import delimited "data.csv", stringcols(13 15 16)

其中 13、15 和 16 是我想要读取为字符串的数据集中的列数。但是，我通常事先不知道列的编号，如果能够使用列的名称来做同样的事情就好了。

我试过了：

import delimited "data.csv", stringcols(var1 var2 var3)

但是 stringcols 不接受非数字参数。有没有一种方法可以使用列的名称而不是数字来指定列类型？

在 python 中，我可以使用：

df=pd.read_csv("data.csv", dtype={k:str for k in ["var1", 'var2', 'var3']})

我正在 Stata 中寻找类似的方法。

Answer 1

这个问题其实我遇到过很多次。正如 Nick 所说，import delimited 的当前版本不支持变量名。

解决方法是通过指定 stringcols(_all) 选项将所有列作为字符串导入，然后手动转换那些感兴趣的变量。

例如，

import delimited data.csv, stringcols(_all) clear
destring var4 var5 var6, replace

如果你有一个很长的变量列表并且想要 destring 除了说 var1 var2 var3 之外的所有变量，你可以使用 ds 命令（感谢 Nick 的建议):

import delimited data.csv, stringcols(_all) clear
ds var1 var2 var3, not //specify a list of variables to be excluded 
destring `r(varlist)', replace

如果您正在处理大量非结构化 Excel 文件，您可能会发现 excelclean 命令很有用。

How to define variable types while loading dataset using column names rather than column index?