本節書摘來自華章出版社《stata統計分析與應用（第2版）》一書中的第2章，第2.3節，作者 周廣肅，更多章節内容可以通路雲栖社群“華章計算機”公衆号檢視
本節将介紹資料整理的相關内容，主要包括資料的标簽與排序、資料拆分、資料合并和資料的長寬轉換等内容。
資料标簽
為了讓使用者更加清楚地了解資料來源、變量含義、觀測值等相關内容，stata可以為資料、變量、觀測值添加标簽，其實标簽就是對相關資料的解釋。最常用的标簽方法有三類：一是為資料庫添加标簽，二是為變量添加标簽，三是為觀測值添加标簽。
為資料庫添加标簽的基本指令為：
["label"]即代表所要添加的标簽内容。
為變量添加标簽的基本指令為：
varname代表所要添加标簽的變量名稱，["label"]代表所要添加的标簽内容。
對于數值型的分類變量，其含義并不直覺，例如我們通常用0和1來區分性别，但如果缺乏上下文，其他使用者很難區分0是代表男性還是女性，這時如果給數值添加标簽，就友善使用者了解了。為數值添加标簽是通過以下兩步來完成的。
第一步是定義數值标簽，基本指令為：
在這個指令中，lblname代表所要定義的數值标簽名稱，“#”代表所要定義的數值，"label"代表所要添加的标簽内容。需要使用者注意的是後方options的内容，其中add的作用是添加标簽内容，modify的作用是對已存在的标簽内容做修改，nofix的作用是要求stata不為标簽的内容而改變原變量的存儲容量。
第二步是将所定義的資料标簽與相關變量結合，基本指令為：
varname代表将要添加标簽的變量名稱，[lblname]代表剛剛定義的資料标簽名稱。
下面通過一個執行個體——給usaauto.dta資料庫添加三類标簽，将詳細介紹标簽的使用方法。usaauto資料檔案如表2.1所示。
為整個資料庫添加标簽“1978年美國汽車産業的橫截面資料”，其指令如下：
label data "1978年美國汽車産業的橫截面資料"
為變量make和mpg添加标簽“品牌”和“每加侖油行使裡程數”，其指令如下：
label variable make "品牌"
label variable mpg "每加侖油行使裡程數"
變量foreign為分類變量，0代表國産，1代表進口，為了便于觀察，為0和1添加标簽，具體指令為：
其中，foreignlabel表示标簽的名稱，0 "domestic" 1 "foreign"表示定義的規則，數字0的标簽是domestic，數字1的标簽是foreign。
執行完指令之後，可以看到在資料表中，顯示結果從圖2.12變為圖2.13。
标簽添加完成以後，可以通過label dir指令，檢視已經建立标簽的相關内容。
排序資料
為了處理資料的友善，有時需要對資料進行排序處理。在stata中排序的指令主要有兩個：一個是sort指令，另一個是gsort指令。
sort指令的基本語句是：
varlist代表将要進行排序的變量名稱，[in]代表排序的範圍，[, stable]的含義是如果兩個觀測值相同，其順序保持與原資料相同。
gsort指令的基本語句是：
其中需要說明的内容有兩點：一，[+]表示按升序排列，這也是stata預設的排列方式，[-]表示按降序排列；二，generate(newvar)表示排序之後生成新的變量，mfirst表示将缺失值排在最前面。
将usaauto資料檔案中的觀測值按變量price由小到大排列，這個操作可以用sort指令完成，具體操作如下：
當然也可以用gsort指令完成，具體操作如下：
gsort + price
資料的橫向拆分
原始資料有時包含過多的變量，但在實際應用中可能根據需要将原始資料拆分為不同的資料表，這時就要實作資料的橫向拆分。資料的橫向拆分用到的兩個指令為drop和keep，下面做一下詳細的講解。
drop指令是用來删除某些變量和觀測值的，基本指令如下：
keep指令是用來保留某些變量和觀測值的，基本指令如下：
例如，water資料檔案包含4個變量，分别是year、capital、production、labor，将water資料檔案拆分為兩個資料檔案：一個資料檔案包含year和production兩個變量，命名為wateroutput；另一個資料檔案包含year、capital和labor三個變量，命名為waterinput。首先生成wateroutput檔案：
以上指令使用drop指令删除變量capital和labor，然後對其進行儲存。同樣我們可以用keep來決定保留變量。
資料的縱向拆分
原始資料有時包含過多的樣本觀測值，但在實際應用中可能根據需要将其按某種特征拆分為不同的資料表，這就是将要實作資料的縱向拆分。資料的縱向拆分用到的主要指令還是drop和keep。
例如，将usaauto資料檔案拆分為兩個資料檔案：一個資料檔案為domesticauto，隻包含國産車的相關内容；另一個資料檔案為foreignauto，隻包含進口車的相關内容，具體操作如下：
以上指令完成了第一個資料檔案的建立，将foreign變量為1的資料删除并重新命名。
第二個資料檔案建立的指令如下所示：
資料的橫向合并
資料的橫向合并是橫向拆分的逆操作，但是其要比拆分複雜，因為合并時要實作同一個資料的對接，而不能出現對接錯誤的情況，是以在橫向合并之前最好先對資料進行排序處理，然後實作合并。合并所使用的指令語句為merge，具體語句如下所示：
其中，[varlist]代表合并進去的新變量，using filename指的是所要與原檔案合并的檔案路徑，可選項options包含較多的功能，表2.11顯示了其具體内容。
例如，利用橫向拆分示例中生成的資料檔案waterinput和wateroutput實作資料的橫向合并，比對變量為year，生成新的資料檔案命名為waternew。使用指令如下：
在以上指令語句中，第1個指令語句實作了wateroutput資料檔案的打開，第2個指令語句将檔案按年份變量進行排序，第3個指令語句儲存了排序之後的資料檔案，第4個指令語句實作了waterinput資料檔案的打開，第5個指令語句将此資料按年份變量進行排序，第6個指令語句按年份變量将wateroutput檔案合并到waterinput檔案中，第7個指令語句儲存合并之後的資料檔案。
操作完成以後我們可以發現多了一個名稱為_merge的變量，這個變量将顯示合并的情況，如果數值為3，則為合并成功，如果數值為1或2，則合并失敗。
資料的縱向合并
資料的縱向合并同樣可視為資料縱向拆分的逆操作，使用的主要指令為append，具體語句如下：
[, options]的内容與merge相似，但更為簡化。
例如，利用縱向拆分示例中生成的資料檔案domesticauto和foreignauto實作資料的縱向合并，生成的資料檔案命名為usaautonew。操作指令如下：
在面闆資料中，如果包含兩個以上的辨別變量，則資料有兩種表現形式：一種是長資料，另一種是寬資料。在長寬資料的轉換中，所使用到的指令為reshape指令，具體指令語句為：
long表示将寬資料轉化為長資料，wide表示将長資料轉化成寬資料，stubnames表示需要轉化的變量的名稱字首，i(varlist)表示識别變量。options最常用的為j(varname [values])，它表示用于進行長寬變換的變量，通常為時間變量。
例如實作表2.12和表2.13資料形式的轉換，則必須使用本小節講述的reshape指令。
将表2.12中的寬資料轉化為表2.13中長資料的操作指令如下：
english和science為将要轉化的變量名稱的字首，即将要生成的變量名稱，i(number name) 表示識别變量，即按學号number和名稱name區分所有觀測值，j(year)表示按年份進行轉化。
若要将上述長資料轉化為寬資料，可使用操作指令如下：
複習與習題
本章回顧
打開資料檔案的基本指令：
stata常用的資料類型主要有三類，即數值型、字元型和日期型。
資料壓縮的主要指令：
資料類型的轉化主要有兩類：
将字元型變量轉化成數值型變量：
将數值型變量轉化成字元型變量：
在stata中建立資料庫有兩種方法，一種為菜單法，另一種為指令法。指令為：
導入不同格式資料的三種指令：
為資料添加标簽的指令為：
資料排序的指令為：
資料拆分的相關操作和指令：
資料合并的相關指令為：
長寬資料轉化的相關指令為：
習題
将如表2.14所示的資料内容輸入到stata中，命名為zuoye2.1，并将此資料檔案進行壓縮。
将數值型變量math和chinese轉換成字元型變量，然後再将其轉換成數值型變量。
為資料庫zuoye2.1添加标簽“學生成績”，為math變量添加标簽“數學成績”，為分類變量gender添加标簽，1為“male”，0為“female”。
使用兩種指令将資料庫zuoye2.1按照數學成績進行排序。
将zuoye2.1資料庫橫向拆分為如表2.15和表2.16所示的兩個資料表，然後再将其橫向合并。
将zuoye2.1資料庫縱向拆分為如表2.17和表2.18所示的兩個資料表，然後将其縱向合并。
将如表2.19所示的資料内容輸入到stata中，命名為zuoye2.2，并将其轉換成長資料，然後再将其轉回寬資料。