导读
前段时间我们爬虫俱乐部的Stata学员群有学员问了这样的一个问题:
虽然帮助这位学员解决了这个问题，但是我一时竟想不起来如何向他展示正确结果。只能用最原始直白的方法——截图，以图为证。在征求那位学员的同意下，我借用了他的数据集来还原这个过程，在此感谢那位大方的学员。（读者朋友们可以在后台回复"levelsof"来获取相关数据。）use wiod1.dta,clearkeep if strpos(Description,"FINANCIAL INTERMEDIATION") //保留符合条件的观测值
执行以上操作后，观察数据集，我们会发现这个数据比较规整，每个国家都占两行，直接看最后一行，行数除以2，就知道有多少个国家符合条件。
但对于比较乱的数据集，假设某数据集有的国家数据占三行，有的占四行，这时通过肉眼就很难观察有多少个不同的国家了。而用接下来介绍的levelsof命令就能轻松获取这个信息了！levelsof命令的含义为"Distinct levels of a variable"。它对指定变量的不同取值进行排序。执行上行命令在结果窗口就会显示Country变量的不同取值，相当于进行了一次去重：
更绝妙的是：levelsof是r-类命令，它的运行结果储存在"r()"，可以通过输入"return list"来显示。它以r(N)储存指定变量的总观测值数，以r(r)储存指定变量不同观测值的个数，以r(levels)储存指定变量不同取值。所以，根据标量r(r)的值我们就知道有多少个不同的国家了。
当然，到这里还只是levelsof这个命令的入门，且没有展示levelsof的主要用途，接下来本文就要完整介绍levelsof这个命令了。
1.基本语法与选项
levelsof varname [if] [in] [, options]
| 选项 |
功能 |
| clean |
清除字符串变量取值结果的复合双引号 |
| local(macname) |
将排序后的取值结果放在一个宏中 |
| missing |
将缺失值纳入取值中 |
| separate(separator) |
设置取值结果的分隔符 |
| matcell(matname) |
以矩阵的形式储存不同取值的频数 |
| matrow(matname) |
以矩阵的形式储存数值型变量的不同取值 |
| hexadecimal |
使用16进位制展示数值型变量 |
仍然以导读中的数据集为例，我们来体会一下几个常用选项的用法：levelsof Country in 1/10,clean separate(;) local(country) matcell(freq)display "`country'"matrix list freq
此时观察结果展示窗口可以发现：Country变量前十行观测值不同取值的复合双引号不显示，且不同取值以分号隔开；local()选项生成了一个存储不同取值的局部宏；matcell()选项生成了一个矩阵来存储不同取值的频数。
还有一个值得一提的选项是hexadecimal()。levelsof命令有一个小缺陷是它展示的数值型变量取值精度有限，当数值精度要求高时，显示的可能与实际取值不完全一样。虽然在实际使用中这种情况很少，Stata也提供了一个hexadecimal()选项来解决这个问题。clearset obs 5gen x=_ngen y=ln(x)levelsof y, matrow(A) hexadecimalmatrix list A
如下所示，此时变量y的不同取值以16进位制展示，确保了数据的准确度。另外，在这里我们用了matrow()选项将不同取值储存在矩阵A中，矩阵A中的值仍是十进位制。
2.案例介绍
levelsof命令最主要的用途是调用变量的观测值来实现某种目的。下面我们介绍一个词云图绘制的案例。在绘制词云图时，去除无意义的停用词是很重要的一步。停用词表和分词结果是不同的两个数据集。这意味着我们要调用停用词表中的停用词，将它与分词结果中的每一个词进行匹配，去除分词结果中的停用词。clearinfix strL v 1-12000 using 分词结果.txt, clear rename v word
然后，使用起死回生命令“preserve ，restore”。这意味着，在preserve 后我们可以肆无忌惮的折腾数据，只要restore一下，原数据就会重现。我们读入停用词表，利用levelsof将停用词表中的停用词放在宏中，然后再重现原数据，调用存放停用词的宏。preserveimport delimited using 停用词表.txt, clear encoding("utf-8")levelsof v1, local(keyword) //将停用词放在局部宏keyword中restore*删除分词结果中的停用词foreach word in `keyword' { drop if word == "`word'"}
注意：levelsof的local()选项定义的是一个局部宏，上述命令必须同时执行。最后，在安装了wordcloud这个命令的基础下，绘制词云图。bysort word: gen frequency = _Nduplicates dropgsort -frequencywordcloud word frequency using 词云.html, replace size(15 80) range(3840 2160)shellout 词云.html
此外，levelsof命令在网络爬虫时也经常使用。比如，在爬取新浪财经高管数据时，我们要改变网址中的股票代码来循环，这时就需要调用股票代码这个变量的观测值。总之，要调用变量观测值来达到某种目的时，不要忘记levelsof命令这个亲密伙伴！
