Stata中如何通过CSV文件向现有数据集追加观测与变量

直接在Stata内完成全流程操作即可，不需要切换R，可完美规避日期变量导入异常问题，操作步骤如下：

前置准备 #

• 将主数据集dataset1.dta、所有待导入的dataset2.csv/dataset3.csv等CSV文件放在同一个文件夹内，运行cd "你的文件夹本地绝对路径"设置为Stata当前工作目录，消除路径报错风险。
• 提前确认：主数据集日期变量名为Date，格式为Stata月度日期（对应2010m1这类展示形式），待导入CSV的日期变量名为dates，后续导入时会做统一对齐。

单文件测试（必做，避免批量运行出错） #

先选1个CSV文件做导入测试，确认格式匹配后再跑批量流程：

* 导入单个测试CSV，utf-8编码可避免中文城市名乱码
import delimited "dataset2.csv", clear encoding("utf-8")
* 统一日期变量名，和主数据集对齐
rename dates Date
* 将字符串格式的日期转为和主数据集一致的Stata月度日期
* 如果CSV内日期是"2010m1"这类格式，运行以下命令
gen Date_temp = monthly(Date, "YM")
format Date_temp %tm
drop Date
rename Date_temp Date
* 如果CSV内日期是年-月-日格式，把上面monthly()的第二个参数改成"YMD"即可
* 生成主数据集存在的Year变量，保持结构一致
gen Year = year(dofm(Date))
* 保存临时测试文件
save "temp_test.dta", replace

打开temp_test.dta核对：城市名、城市编码无乱码，日期展示格式和主数据集完全一致，新增变量取值正常，再进行下一步。

批量导入并追加数据 #

测试通过后，运行以下命令批量处理所有CSV，自动追加观测、同步新增变量：

* 打开主数据集
use "dataset1.dta", clear
* 生成合并用的总数据集副本，避免损坏原始主数据
save "dataset_final.dta", replace

* 遍历当前工作目录下所有以dataset开头的CSV文件
local csv_list: dir "." files "dataset*.csv"
foreach single_file of local csv_list {
    * 逐个导入CSV
    import delimited "`single_file'", clear encoding("utf-8")
    * 统一变量与日期格式，加capture避免个别文件格式微差导致流程中断
    capture rename dates Date
    capture gen Date_temp = monthly(Date, "YM")
    capture format Date_temp %tm
    capture drop Date
    capture rename Date_temp Date
    capture gen Year = year(dofm(Date))
    * 将当前处理好的单城市数据追加到总数据集
    append using "dataset_final.dta", force
    * 保存更新后的总数据集
    save "dataset_final.dta", replace
}

• 命令中force选项会自动对齐同名变量，CSV中存在但主数据集没有的新变量会自动加入总数据集：原有城市观测的这些新变量自动赋值为缺失，新导入城市的新变量会正常填充取值，完全匹配需求。

合并后校验 #

合并完成后打开dataset_final.dta做基础校验：

• 运行tab urbanname核对所有待新增城市都已成功导入，无遗漏
• 运行describe确认所有需要的新变量都已添加到数据集中
• 抽查3-5个新导入城市的日期、城市编码取值，确认无格式错误
• 如果存在重复观测（比如部分城市已在原始dataset1中收录），运行duplicates drop urbancode Date, force即可按「城市编码+日期」维度去重。

内容的提问来源于stack exchange，提问作者Galactus