你有沒有遇到過(guò)這樣的情況：明明數(shù)據(jù)量不大，卻因?yàn)橹貜?fù)值太多導(dǎo)致分析結(jié)果“失真”？別急，今天咱們就來(lái)聊聊Stata里那個(gè)超實(shí)用的命令——?jiǎng)h除重復(fù)值！我是老張，一個(gè)在數(shù)據(jù)分析圈摸爬滾打十年的老司機(jī)，這篇文章不講理論，只講實(shí)戰(zhàn)，看完你就懂了。
Q1：Stata怎么刪除重復(fù)值？最常用的是哪個(gè)命令？
答：用 duplicates drop 命令！這是Stata官方推薦的方法。比如你有一張包含姓名、年齡、收入的數(shù)據(jù)表，發(fā)現(xiàn)有人重復(fù)錄入了兩次，那就可以這樣操作：
duplicates drop name, force這條命令的意思是：“請(qǐng)根據(jù)‘name’這一列，刪掉所有重復(fù)項(xiàng)，保留第一次出現(xiàn)的那一行?！奔由?code>force是為了強(qiáng)制執(zhí)行，避免提示確認(rèn)。
Q2：如果我想先看看哪些數(shù)據(jù)重復(fù)了，再?zèng)Q定刪不刪？
答：太聰明了！先用 duplicates report 看一眼，就知道重復(fù)了多少條。舉個(gè)真實(shí)案例：我?guī)团笥亚謇硪环輪柧頂?shù)據(jù)時(shí)，發(fā)現(xiàn)有37條記錄的“ID號(hào)”完全一樣，但其他字段略有差異（比如填寫時(shí)間不同）。這時(shí)候我就用了：
duplicates report id輸出顯示：“37 duplicate observations”，我立馬意識(shí)到：這不是數(shù)據(jù)錯(cuò)誤，而是同一人多次提交！于是果斷用 duplicates drop id, force 保留最早那一份，完美解決。
Q3：能不能按多個(gè)變量一起判斷重復(fù)？比如同時(shí)看“姓名+手機(jī)號(hào)”？
答：當(dāng)然可以！Stata支持多變量組合去重。比如：
duplicates drop name phone, force這相當(dāng)于說(shuō)：“只要名字和手機(jī)號(hào)都一樣，就算重復(fù)?！蔽以?jīng)處理過(guò)醫(yī)院門診數(shù)據(jù)，發(fā)現(xiàn)兩個(gè)醫(yī)生錄了同一個(gè)病人（名字一樣、電話也一樣），但性別不同——這明顯有問題！通過(guò)這個(gè)命令，我快速定位并修正了數(shù)據(jù)源頭。
小貼士：刪除前記得備份！
很多新手一上來(lái)就刪，結(jié)果后悔莫及。建議先保存副本：save "cleaned_data.dta", replace，萬(wàn)一刪錯(cuò)了還能救回來(lái)。我就是吃過(guò)虧的人，現(xiàn)在養(yǎng)成習(xí)慣：每刪一行，先復(fù)制一份原始數(shù)據(jù)。
總結(jié)一下：刪除重復(fù)值不是技術(shù)活，而是細(xì)心活。Stata的duplicates命令就像你的數(shù)據(jù)“過(guò)濾器”，幫你把雜亂變清晰。下次你遇到重復(fù)數(shù)據(jù)時(shí)，不妨試試這個(gè)方法——簡(jiǎn)單、高效、還特別適合發(fā)朋友圈炫耀：“看，我又搞定了一堆臟數(shù)據(jù)！”
? 數(shù)據(jù)干凈了，分析才靠譜！我是老張，專注教你用Stata做真正有用的數(shù)據(jù)分析。關(guān)注我，每天一個(gè)小技巧，讓你從“會(huì)用”變成“精通”！
