数据排列：sort和gsort

哈喽，诸君安。在我们处理数据的过程中，经常需要对数据进行排序处理。用到的是两个非常简单的命令：sort和gsort。命令虽然简单，但是还是有很多讲究的哦！接下来，小编就给大家详解这两个命令。

一、sort命令

【基本语句】

sort varlist [in] [, stable]

varlist代表将要进行排序的变量名称，[in]代表排序的范围，[, stable]的含义是如果两个观测值相同，其顺序保持与原数据相同。

【用法】

为了方便我们的演示，我们对数据进行截取，在系统数据中，只保留make、price、mpg、length、foreign几个变量。

use auto, clear

keep make price mpg length foreign

list

我们可以得到一个完全没有排序的数据列表：

例1：一个变量的排序

如果sort命令中只包含一个变量名，无论变量类型是数值还是字符串，stata都会以此变量对数据进行升序排序。

sort mpg

list

显然，结果已经是对mpg变量进行了从小到大的升序排序。

可是我们可以注意到，结果中许许多多的项目显示着同样的mpg数值，我并不想改变它们在原数据表格中的位置，那该怎么办呢？这时候，就需要使用我们的[, stable]

例2：观测值相同的排序

还是对mpg进行排序，但我们加上一个小尾巴，结果就会满足我们的需求：

sort mpg, stable

list

一眼看去，结果好像并没有发生什么变化，可真的是这样吗？我们以结果中mpg值同为14的部分数据为例，除了mpg值的相同让它们的排序发生了变化之外，其他排序与图一中的排序保持一致，再与图二的结果对比一下，你发现这个小差别了吗~

以上我们只展示了一个变量的排序，那数据中有多个变量要进行排序的时候我们是否也可以使用sort这个命令呢？答案当然是肯定的。

例3：多个变量的排序

如果命令包含有两个或者更多变量名的varlist，数据将以如下方式排序：

键入sort命令，按第一个变量对观测值进行排序，然后，对于在第一个变量有相同取值的观测值，stata按第二个变量对这些观测值进行排序，等等。在使用sort命令之后，数据集将被标记为是按那些变量排序的，但如果希望保存这一新排序次序的话，需要将此新的数据集保存到硬盘里。

sort mpg length

list

显然，在对mpg从小到大排序后再对length变量从小到大进行排序。在两个以上的变量的排序中也是同样的道理。

二、gsort命令

【基本语句】

gsort [+|-] varname [[+|-] varname ...] [, generate(newvar) mfirst]

其中需要说明的内容有两点：①[+]表示按升序排列，这也是Stata默认的排列方式，[-]表示按降序排列；②generate(newvar)表示排序之后生成新的变量，mfirst表示将缺失值排在最前面。

例1：升序排列

gsort +make

list

我们可以看到显示的结果是按make中数据的由A至Z的字母升序排列的。

例2：降序排列

gsort -make

list

与上一个例子不同，图中的结果显然是按照make变量中字母由Z到A的降序排列。

三、sort的小秘密

我们导入一份最近5年全国各省份国内生产总值的数据（数据来源：国家统计局），对地区进行排序，输出结果。发现下面两幅图有什么区别了吗？

没错，我们发现，同样是对地区的升序排序，可是图一与图二的排列结果并不一样。这就是藏在stata不同版本中sort的小秘密。图一是在stata13的版本中使用sort的结果，可以看到该版本中对中文字符是按中文拼音的字母排序的。而图二是在stata14中使用sort的结果，与13版本出现结果不同的原因在于stata14版本中对中文字符按照UTF-8汉字编码排序。

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~

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~，点赞打赏随您心意，么么哒~

编辑by司海涛

那些让你具有高手气场的黑科技：

1.天路——chinafin与cntrade命令

2.分时数据，从此唾手可得

3.有了这个命令，以后还怕重复？

4.esttab功能挖掘：“Yes”or“No”

5.用“套路”处理数据

6.厉害了，我stata哥

7.爬虫俱乐部周末送大礼——chinagcode提取中文地址经纬度

8.据说这样数据替换比较快，你试一下，然后……