如何转置NSF原始Excel数据集以适配Stata分析格式的代码咨询

方案1：纯Stata端处理（适合结构相对简单的数据集） #

• 第一步：导入Excel并初步规范变量名
  跳过冗余表头行（可根据实际数据调整cellrange的起始行，示例默认从第3行开始为有效数据），导入时统一变量名格式：
  import excel "你的NSF数据集本地路径.xlsx", cellrange(A3) firstrow case(lower)
• 第二步：清理非法变量名
  替换变量名中的空格、特殊字符，修正不符合Stata命名规则的内容：

  * 替换变量名空格为下划线
  renvars, subst(" " "_")
  * 删除变量名开头的非法下划线
  renvars, predrop("_")
  * 重复变量名自动加数字后缀
  rename * *, addnumber
  

• 第三步：按需执行转置
  如果需要宽表转长表（比如把列存储的年度指标转为行存储）：
  reshape long 指标变量前缀, i(机构ID 学科分类ID) j(year)
  如果需要整张表完全转置：

  * 全表转置，保留原变量名到指定列
  xpose, clear varname
  * 重置转置后的变量名
  rename * v*
  foreach var of varlist * {
      rename `var' `= `var'[1]'
  }
  * 删除冗余的表头行
  drop in 1
  

方案2：Python预处理后导入Stata（适合多级嵌套表头的复杂数据集） #

如果原始表表头嵌套层数多，Stata直接导入容易丢失变量名信息，可先用Python预处理：

import pandas as pd
# 读取Excel，skiprows参数对应需要跳过的表头行数
df = pd.read_excel("你的NSF数据集本地路径.xlsx", skiprows=2, engine="openpyxl")
# 合并多级表头（如果存在）
df.columns = ['_'.join([str(c) for c in col]).strip() for col in df.columns.values]
# 执行转置
df_transposed = df.T.reset_index()
# 重置转置后的列名
df_transposed.columns = df_transposed.iloc[0].tolist()
df_transposed = df_transposed[1:].reset_index(drop=True)
# 导出为Stata14及以上版本兼容的dta格式
df_transposed.to_stata("转置后的NSF数据集.dta", write_index=False, version=14)

注意事项 #

• 操作前备份原始Excel文件，避免数据丢失
• 转置完成后随机抽取3-5个单元格比对原始表取值，确认无错位
• 若变量名长度超过32字符，Stata会自动截断，可在转置前手动简化变量名

内容的提问来源于stack exchange，提问作者econ_grad12345