将Stata代码翻译成R

Posted 2023-04-18

【中文标题】将Stata代码翻译成R

【英文标题】：Translating Stata code into R

【发布时间】：2014-11-04 03:45:13

【问题描述】：

在 R 中进行时间序列数据分析的一般新手。我在将一些 Stata 代码转换为我正在做的复制项目的 R 代码时遇到了麻烦。

Stata代码和Stata代码的意图（来自原始分析）如下：

#### Delete extra yearc observations with different wartypes #####

drop if yearc==yearc[_n+1] & wartype!="CIVIL"
drop if yearc==yearc[_n-1] & wartype!="CIVIL"

因此，翻译后，我保留该国发生内战的行，并删除同一年份发生州际战争的行。

我已经命名了数据对象（即数据集）

mywar

在 R.

我假设我以某种方式执行条件 ifelse 语句或类似的语句，例如：

invisible(mywar$yearc <- ifelse(mywar$yearc==n-1 | mywar$yearc==n+1 | mywar$wartype!=civil, NA, 
mywar$yearc))  # I am assuming I cannot condition ifelse statements like this; but, this is how I imagine it
mywar <- mywar[!is.na(mywar$yearc),]

编辑： 所以也许是一个例子

> b <- c(1970, 1970, 1970, 1971, 1982, 1999, 1999, 2000, 2001, 2002)
> c <- c("inter", "civil", "intra", "civil", "civil", "inter", "civil", "civil", "civil", "civil")
> df <- data.frame(b,c)
> df$j <- ifelse(df$b==n-1 & df$b==n+1 & df$c!="civil", NA, df$b)
> df
  b     c    j
1  1970 inter 1970
2  1970 civil 1970
3  1970 intra 1970
4  1971 civil 1971
5  1982 civil 1982
6  1999 inter 1999
7  1999 civil 1999
8  2000 civil 2000
9  2001 civil 2001
10 2002 civil 2002

所以，我试图做的是为第 1、3 和 6 行创建 NA，因为它们是我在内战开始时的逻辑回归中的重复年份（我对内战和内战不感兴趣，但定义如何) 以便我可以从我的数据集中删除这些行。在这里，我刚刚重新创建了 b 行。 （注意，这个组成的数据中缺少的是国家 ID。但假设这十个条目代表同一个国家（例如，索马里））。因此，我对如何在包含 28,000 行的数据集中删除这些类型的行很感兴趣。

【参考方案1】：

dplyr 也是一个好方法——你只需要“保持”而不是“放弃”

library(dplyr)
filter(df, (yearc != lead(yearc, 1) & yearc != lag(yearc, 1)) | wartype == "CIVIL")

【讨论】：

不错的答案。在使用包时，习惯上会添加library(dplyr) 行。我猜你也可以为第一个子句做类似!(yearc%in%c(lead(yearc,1),lag(yearc,1))) 的事情。

【参考方案2】：

您关注的是 Stata 的 if 限定符，但听起来您只是想对数据框进行子集化 - 因此您在 Stata 中使用了 drop 命令。我也在 R 之前学习了 Stata，并且很困惑，因为我非常依赖 Stata 中的 if 限定符，并立即在 R 中追求 ifelse。但是，后来我意识到 R 中更相关的技术围绕子集展开。有一个subset() 命令，但大多数人更喜欢使用括号进行子集化（参见下面的代码）。

在您最初的问题中，您问如何做两件事：

如何删除 C 列上编码为“inter”或“intra”的观测值（即行），以及 如何将它们标记为丢失

样本数据

b <- c(1970, 1970, 1970, 1971, 1982, 1999, 1999, 2000, 2001, 2002)
c <- c("inter", "civil", "intra", "civil", "civil", "inter", "civil", "civil", "civil", "civil")
df <- data.frame(b,c)
df
      b     c
1  1970 inter
2  1970 civil
3  1970 intra
4  1971 civil
5  1982 civil
6  1999 inter
7  1999 civil
8  2000 civil
9  2001 civil
10 2002 civil

1.放弃观察 如果您想删除 C 列中非“民事”的观察，您可以对数据框进行子集化以仅保留那些“民事”的案例：

df2 <- df[df$c=="civil",] 
df2
      b     c
2  1970 civil
4  1971 civil
5  1982 civil
7  1999 civil
8  2000 civil
9  2001 civil
10 2002 civil

上面的代码创建了一个新的数据框df2，它是df的一个子集，但是你也可以完全覆盖原来的数据框：

df <- df[df$c=="civil",] 

或者，如果您不喜欢您的工作区中充斥着大量数据框，您可以生成一个新的然后删除旧的：

df2 <- df[df$c=="civil",]
rm(df)

2。将观察标记为缺失 如果您想在 C 列中标记非“公民”的观察，您可以通过将它们覆盖为 NA 来做到这一点：

df$c[df$c != "civil"] <- NA
df
      b     c
1  1970  <NA>
2  1970 civil
3  1970  <NA>
4  1971 civil
5  1982 civil
6  1999  <NA>
7  1999 civil
8  2000 civil
9  2001 civil
10 2002 civil

然后您可以使用列表删除（请参阅na.omit() 命令）从您正在执行的任何分析中删除案例。

旁注 当 b 列是重复的并且 c 列是“inter”或“intra”时，您的原始 Stata 代码会寻求子集。但是，您的样本数据的呈现方式似乎是一个多余的问题，这就是为什么我上面的解决方案只查看 c 列。但是，如果您想尽可能地匹配您的 Stata 代码，您可以通过

df <- df[order(df$b, df$c),]
df$duplicate <- duplicated(df$b)
df2 <- df[df$c=="civil" & df$duplicate==FALSE,] 

哪个

按年份按时间顺序排列数据，然后按战争字母顺序排列 创建一个新变量，指定 b 列是否为重复年份 对数据框进行子集化以删除不需要的情况。

【参考方案3】：

尝试将您的 | 运算符更改为 &。 这是一些虚构的数据：

R> b <- c(rep(1:4, each=3))
R> c <- 1:length(b)
R> df <- data.frame(c,b)
R> df$j <- ifelse(df$b != 2 & df$b != 3 & df$b != 1, NA, df$b)
R> df
    c b  j
1   1 1  1
2   2 1  1
3   3 1  1
4   4 2  2
5   5 2  2
6   6 2  2
7   7 3  3
8   8 3  3
9   9 3  3
10 10 4 NA
11 11 4 NA
12 12 4 NA

代码的最后一行 mywar <- mywar[!is.na(mywar$yearc),] 也应该可以正常工作

【讨论】：

感谢您的回复。 & 符号的工作原理是我没有收到错误，但代码没有完全翻译（或者它不像在 stata 中那样工作）。drop if yearc==yearc[_n+1] & wartype!="CIVIL" 以某种方式识别了同一年被编码为 Civil 的条目特定国家的战争和国际战争，并删除国际战争条目的行。我使用的 R 代码不会丢弃任何东西。我现在不确定我必须设置什么 mywar$yearc== 才能获得与 stata 代码相同的删除行。我认为我所拥有的是大约 90% 的解决方案。再次感谢您的意见，这很有帮助。

你可能已经看过了，但是当我在学习 stata 后学习 R 时，我发现这个网站非常有帮助：ats.ucla.edu/stat/r/faq