近日，一位朋友发给小编这样一份数据：

大家没有看错，就是最近几年的樊纲市场化指数……但是，这份数据该如何处理呢？如果我们按照基本的方法将该excel文档读入Stata，结果是这样的：

PS：所用代码为

import excel using D:\fgzs2014\fgzs2014.xls,firstrowcase(lower)

显然这样的数据我们无法直接使用，我们期望得到可直接使用的面板数据应该是这样的（以处理好的各省各项“得分”数据为例）：

朋友可发了愁，数据处理找爬虫俱乐部，于是，作为朋友小编只能当个免费劳动力了……

首先，读取文档。

clear all

set more off

import excel using"d:\fgzs2014\fgzs2014.xls"  //引号内为文档存放路径

从图中可以看出，我们需要解决的两个问题，一是变量命名，二是第一列的空缺值填充。由于Stata14可以使用中文作为变量名称，我们的思路为把文档拆为“排名”和“得分”两部分，并以第一行的数据作为变量名。所以我们下面需要填补第一行的空缺值，我们编写程序的思路大致为建立变量C到BB的循环，设定如果某变量第一行为空值，则用上一变量第一行的值替换空缺值，具体方法如下：

foreach var of varlist C-BB {

  if `var'[1] !=""{

      local before ="`var'"

      continue

     }  //我们在foreach这个循环内嵌套了一个if语句，保存上一变量的名称

  replace`var'=`before' if `var'[1]=="" //识别首行为空值的变量，并用前一变量替换

   }   //补充缺失值

接下来我们可以使用往期推文中介绍的labone、nrow和carryforward三个命令简单粗暴的设置变量名、变量标签和填充缺失值，具体如下：

labone,nrow(1 2) //把第一行和第二行变为变量标签

nrow  //第一行设为变量名

drop in 1

carryforward 省份,replace //补充第一列缺失值

destring ,replace float  //转化为数值型

显然直接使用首行命名的缺点就是“排名”和“得分”两部分会冲突，其实我们只要在刚才的循环中顺便保留“排名”或“得分”其中之一就可以，即在循环中加入drop命令就可以实现，完整命令如下：

foreach var of varlist C-BB {

    if `var'[1] !=""{

        local before ="`var'"

        continue

       }  //我们在foreach这个循环内嵌套了一个if语句，保存上一变量的名称

  replace`var'=`before' if `var'[1]=="" //识别首行为空值的变量，并用前一变量替换

  drop`before'  //顺便删除“排名”部分

   }   //补充缺失值

labone,nrow(1 2) //添加label

nrow //第一行作为变量名

drop in 1

carryforward 省份,replace  //补充缺失值

destring ,replace float  //转化为数值型

drop in -1

save “d:\fgzs2014\fgzs2014_score”,replace  //保存处理好的“得分”数据 

有兴趣的读者可以自己尝试完成“排名”部分的处理。

本文所用到的原始数据都可以从爬虫数据中心的网站中获取http://richdata.znufe.edu.cn/CommonUseData/Index

欢迎关注爬虫俱乐部