许多值的已排序双向列表

Question

我有一个相当大的数据集（大约 18,000 行）。我有两个要制表的变量，一个包含许多字符串值，第二个仅包含 4 个值。我想按 4 个类别列出字符串值。我需要这些排序。我已经尝试了几个命令，包括 tabsort，它可以工作，但前提是我将它使用的行数限制为前 603（至少以当前排序的方式）。如果行数大于此值，则会出现 r(134) 错误，提示值太多。有什么要做的吗？我的目标是用最常用的词创建一个 table 并将其导出到 LaTeX。在 R 之类的语言中尝试这样做会容易得多吗？

Answer 1

这是一种方法，通过来自 SSC 的 contract 和 texsave：

/* Fake Data */
set more off
clear
set matsize 5000
set seed 12345
set obs 1000
gen x = string(rnormal())
expand mod(_n,10)
gen y = mod(_n,4)

/* Collapse Data to Get Frequencies for Each x-y Cell */
preserve    
    contract x y, freq(N)
    reshape wide N, i(x) j(y)
    forvalues v=0/3 {
        lab var N`v' "`v'" // need this for labeling
        replace N`v'=0 if missing(N`v')
    }
    egen T = rowtotal(N*)
    gsort -T x // sort by occurrence
    keep if T > 0 // set occurrence threshold
    capture ssc install texsave
    texsave x N0 N1 N2 N3 using "tab_x_y.tex", varlabel replace title("tab x y")
restore

/* Check Calculations */
type "tab_x_y.tex"
tab x y, rowsort

许多值的已排序双向列表

Sorted Two-Way Tabulation of Many Values

sorting

frequency

stata

word-frequency