如何将末尾带4位年份的复合字符串变量拆分为国家与年份变量？

首先，你提到的gen(substr("country",-4,.))思路方向是对的，但有个小语法问题：变量名不需要加双引号，引号是用来表示字符串常量的，直接用变量名即可。下面是具体的实现步骤：

提取年份部分 #

因为年份固定是末尾4位数字，直接用substr()函数从右侧截取4位就可以，代码如下：

gen year = substr(country, -4, .)

这里的-4表示从字符串倒数第4位开始截取，.表示截取到字符串末尾，刚好得到4位的年份。

提取国家名称部分 #

由于国家名称的长度不固定，但总长度减去4就是国家名称的长度，我们可以用length()函数获取字符串总长度，再计算出国家名称的截取范围：

gen country_name = substr(country, 1, length(country) - 4)

解释一下：

• length(country)返回每个字符串的总字符数
• 减去4后就是国家名称的字符长度
• 从第1位开始截取对应长度，就得到了纯国家名称

示例验证 #

假设你的country变量有两个观测值：Afghanistan2008和Brasil2012，运行上述代码后：

• country_name会分别得到Afghanistan和Brasil
• year会分别得到2008和2012

如果后续需要把year转换成数值型变量，可以再加一句：

destring year, replace

内容的提问来源于stack exchange，提问作者Tom