不出意外的话，这应该是stata有关数据处理的最后一篇。emmm，其实我一开始只打算写数据处理部分的stata教程，因为我觉得对于我来说，数据处理才是最头疼的部分。不过关于后面回归，还是有些东西想跟大家分享一下（开始挖坑），后面能写多少，就看造化吧，这里还是说一句，数据处理部分完结撒花~~

分组

Stata中分组命令其实有by和bysort两个，但根据官方文档：“by and bysort are really the same command; bysort is just by with the sort option.” 所以此处只介绍bysort命令。
直接上代码：

* 官方代码 *
bysort varlist: stata_command

bysort后接用于分组的变量名（可以有多个），再接要进行的stata操作。举个例子：

* 使用系统数据库 *
sysuse auto
* 生成国产车和进口车分别的均价 *
bys foreign :egen avg_price = mean(price)
* 根据foreign以及headroom进行分类生成均价 *
bys foreign headroom :egen avg_price1 = mean(price)

如果大家运行了这段代码，可以看到bysort命令不仅仅根据变量进行分组计算，同时还对数据进行了排序，排序依据就是我们分组所用的变量。（图一为使用bysort命令前，图二为使用命令后）

去重

有时我们数据有重复，我们就可以使用duplicates命令进行去重，我比较常用的duplicates用法有两种：

* 计算重复的个数，并将这个计数生成新变量 *
duplicates tag variable_list, generate(new_variable)
* 根据指定变量找出重复值，并去重 *
duplicates drop varable_list, force

这里可以看出，duplicates tag的功能有点类似于bysort后生成一个计数变量。这里对该命令两种用法依然举个例子，使用之前的数据库：

sysuse auto,clear
* 根据汽车的headroom进行分类，并生成变量count*
duplicates tag headroom, g(count)
* 根据汽车的headroom以及foreign变量进行去重 *
duplicates drop headroom foreign, force

注意这里duplicates drop后记得加上"， force"，否则会报错。

References
bysort 官方文档
duplicates 官方文档