如何在Stata中对字符串变量Ucod批量重编码为新变量？

核心方法：匹配字符串前缀 #

针对你要把所有以I开头的Ucod值重编码为CVD的需求，推荐两种高效的批量处理方法：

方法1：使用substr()提取前缀匹配 #

substr()可以提取字符串指定位置的字符，直接判断首字符是否为I：

* 生成新分类变量，初始设为空值
gen new_cat = ""

* 将以I开头的Ucod赋值为CVD
replace new_cat = "CVD" if substr(Ucod, 1, 1) == "I"

* 可继续添加其他分类规则，比如将以C开头的设为Cancer
replace new_cat = "Cancer" if substr(Ucod, 1, 1) == "C"

* 若需要将新变量转为数值型分类变量（方便后续统计分析）
encode new_cat, gen(new_cat_num)

方法2：使用strmatch()模糊匹配 #

如果需要匹配更复杂的前缀规则（比如I开头且后续为数字），strmatch()支持通配符*：

gen new_cat = ""
replace new_cat = "CVD" if strmatch(Ucod, "I*")

常见问题排查 #

你之前用strpos()失败，大概率是参数顺序错误：

• 错误用法：strpos("I", Ucod)（颠倒了目标字符串与搜索内容的顺序）
• 正确用法：strpos(Ucod, "I") == 1（判断I是否出现在字符串第1位）
  对应代码：

replace new_cat = "CVD" if strpos(Ucod, "I") == 1

大样本优化建议 #

针对10万+观测的数据集，先执行压缩命令提升处理效率：

compress

内容的提问来源于stack exchange，提问作者Pkbti