把格式不规范的数据进行规整是我们经常要面对的问题。下图为一组数据，可以发现在“学历 学位”和“毕业院校、专业”出现了格式不规范问题，在每个老师所占的一行中又出现了两小行，我们的目的是把这个数据变成每个老师一行的格式。具体怎么做，且看爬虫君抛砖引玉。

第一种方法是直接生成新变量，然后保留奇数列即可，过程如下：

首先读入数据：

clear

set more off

cd d:/mydata

import excel using teacher.xlsx,first

然后生成新变量：

gen 最高学历=E[_n+1]

gen 最高学历毕业院校和专业=毕业院校专业[_n+1]

只保留奇数列：

keep if mod(_n, 2) == 1

最后对变量进行剔除和整理，就完成啦

drop 学历学位 序号

rename E 第一学位学历

replace 最高学历=subinstr(最高学历,`"本科"',"",.)

这就是最终整理完的数据：

第二种方法是将原始数据拆分成两个新数据，通过匹配进行合并，具体如下：

同样是读入数据

clear

set more off

cd d:/mydata

import excel using teacher.xlsx,first

然后，使用函数生成两个新变量a和b，方便进行之后的匹配工作。

gen a=int((_n-1)/2)

gen b =mod(_n,2)

然后单独把最高学历和对应的毕业院校提取出来，生成b0数据，同时为了不损害之前的数据，使用preserve和restore命令：

preserve

keep if b==0

drop 姓名 性别 学历学位

rename (E 毕业院校专业)(最高学历 最高学历毕业院校和专业)

save D:/mydata/b0,replace

restore

整理后的b0数据如下：

接着提取剩下的变量，生成b1数据

keep if b==1

save D:/mydata/b1,replace

b1数据如下：

然后就可以对b0和b1数据进行匹配了

use D:/mydata/b0,clear

merge 1:1 a using D:/mydata/b1

这样就生成了格式为每个老师各占一行的最初数据

对数据中变量的顺序稍作整理，剔除掉多余的列数，对具体的变量进行修正，即可得到最终的整理好的数据：

replace 最高学历=subinstr(最高学历,`"本科"',"",.)

drop a b _merge 学历学位

rename E 第一学位学历

order 最高学历,after(毕业院校专业)

order 最高学历毕业院校和专业,after(最高学历)

以上就是今天给大家分享的内容了，说得好就赏个铜板呗！有钱的捧个钱场，有人的捧个人场~。

应广大粉丝要求，爬虫俱乐部的推文公众号打赏功能可以开发票啦，累计打赏超过1000元我们即可给您开具发票，发票类别为“咨询费”。用心做事，只为做您更贴心的小爬虫。第一批发票已经寄到各位小主的手中，大家快来给小爬虫打赏呀~