以Stata为单位的事务处理百分比总计数
这是Stata格式的销售交易数据集。每一排都是一张拍卖的照片以Stata为单位的事务处理百分比总计数,stata,Stata,这是Stata格式的销售交易数据集。每一排都是一张拍卖的照片 特定产品 在特定的一周内 在特定的商店 在特定的城市 某些产品并不是在某个城市的所有商店都有销售。对于所有产品,我想计算它们在该城市的市场可用性,在给定的一周内,以百分比表示。例如,如果产品A在第1周在城市中所有不同商店的一半中销售(可用商店的数量每周变化),则新列将显示所有这些观察结果的市场可用性为50%(计数)。对于不同的示例,在以下第1周的样本数据集中,我期望的可变市场可用性如下所示(暂时忽略“已售出单位”列): 这是一张S
- 特定产品
- 在特定的一周内
- 在特定的商店
- 在特定的城市
clear
set more off
input str5 week str8 store str30 SKU units_sold str1 city
1 200059 01182007 5 C
1 200059 01182090 4 C
1 200060 01182007 4 C
1 200060 01182090 6 C
1 200061 01182007 4 C
1 200061 01182888 1 C
2 200059 01182007 4 K
2 200060 01182007 1 K
2 200061 01182007 4 K
2 200059 01182090 8 K
2 200060 01182090 9 K
2 200061 01182888 4 K
end
问题在于,在该交易数据集中,由于重复购买,同一周的门店城市SKU组合可能出现多次;但是我们不想考虑在我们的股票的计算中重复的观察,因为我们已经知道当时有一个特定的项目。p>
我首先按周和城市标记独特的观察结果
egen tag = tag(week city)
我也尝试
egen tag1 = tag(store SKU)
现在,我应该试着把它们搭配起来吗
从逻辑上讲,我认为我需要首先总结不同的城市/周/商店/SKU计数;然后,如果SKU曾经以这种组合售出,我需要计算城市/周的门店数量。然后把第一个数除以第二个数。有什么想法吗?我认为这个解决方案不是最好的,但会如您所愿:
save original,replace // keeping your original dataset
collapse (count)has_sold=units_sold if units_sold>0, by(week store SKU city) // make binary flag for counting
replace has_sold=1 // force binary flag
save tmp,replace // preserving current status
bysort week store: keep if _n==1
egen numStoreWeekly = count(has_sold), by(week) // get total number of stores in week regardless city
drop SKU has_sold // dropping temporary variables
merge m:m week store city using tmp // adding numStoreWeekly to tmp.dta ("merge m:m" was used to assign same numStoreWeekly to same week/store/city combination)
egen numStoreSold = count(has_sold), by(week city SKU) // counting stores sold by week city SKU
gen mkt_avail = numStoreSold/numStoreWeekly
drop numStoreSold numStoreWeekly _merge has_sold // dropping temporary variables
merge m:m week store city SKU using original // merging back (adding mkt_avail to original.dta )
drop _merge
sort week city SKU store
你的策略看起来不错。您可以通过两种方式标记不同(而不是“唯一”)的观测值,然后通过除以总数计算分数。这一切都可以在没有任何文件编排的情况下完成。这里的假设是没有记录零销售额的观察结果。但是如果有,那么将
if units\u salled
添加到tag()
计算应该足以忽略它们
. clear
. set more off
. input str5 week str8 store str30 SKU units_sold str1 city
week store SKU units_s~d city
1. 1 200059 01182007 5 C
2. 1 200059 01182090 4 C
3. 1 200060 01182007 4 C
4. 1 200060 01182090 6 C
5. 1 200061 01182007 4 C
6. 1 200061 01182888 1 C
7. 2 200059 01182007 4 K
8. 2 200060 01182007 1 K
9. 2 200061 01182007 4 K
10. 2 200059 01182090 8 K
11. 2 200060 01182090 9 K
12. 2 200061 01182888 4 K
13. end
. egen tag = tag(city week store SKU)
. egen stores_selling_product = total(tag), by(city week SKU)
. egen tag2 = tag(city week store)
. egen stores_in_city = total(tag2), by(city week)
. gen fraction = stores_sell/stores_in
. sort week SKU store
. l week store SKU city stores* fraction , sepby(week)
+------------------------------------------------------------------+
| week store SKU city stores~t stores~y fraction |
|------------------------------------------------------------------|
1. | 1 200059 01182007 C 3 3 1 |
2. | 1 200060 01182007 C 3 3 1 |
3. | 1 200061 01182007 C 3 3 1 |
4. | 1 200059 01182090 C 2 3 .6666667 |
5. | 1 200060 01182090 C 2 3 .6666667 |
6. | 1 200061 01182888 C 1 3 .3333333 |
|------------------------------------------------------------------|
7. | 2 200059 01182007 K 3 3 1 |
8. | 2 200060 01182007 K 3 3 1 |
9. | 2 200061 01182007 K 3 3 1 |
10. | 2 200059 01182090 K 2 3 .6666667 |
11. | 2 200060 01182090 K 2 3 .6666667 |
12. | 2 200061 01182888 K 1 3 .3333333 |
+------------------------------------------------------------------+
关于Stata上下文中独特和独特的术语,更重要的是对该领域技术的回顾,请参阅 文档中的语法是
merge m:m
,Stata警告不要使用这种merge
。确实,为什么支持这样的合并是一个谜。@NickCox当然这段代码已经过测试。(OSX,Stata/MP 13.1)感谢您优雅的解决方案。我没有看到对您使用merge n:n
的评论。如果这样做有效的话,它的语法是没有文档记录的,解释是合适的。@NickCox我按照你的建议在merge n:n
中添加了注释。我很惊讶Stata接受n:n
而不是m:m
。这太棒了,谢谢你,尼克!代码与数据集配合得非常好。感谢关闭!
. clear
. set more off
. input str5 week str8 store str30 SKU units_sold str1 city
week store SKU units_s~d city
1. 1 200059 01182007 5 C
2. 1 200059 01182090 4 C
3. 1 200060 01182007 4 C
4. 1 200060 01182090 6 C
5. 1 200061 01182007 4 C
6. 1 200061 01182888 1 C
7. 2 200059 01182007 4 K
8. 2 200060 01182007 1 K
9. 2 200061 01182007 4 K
10. 2 200059 01182090 8 K
11. 2 200060 01182090 9 K
12. 2 200061 01182888 4 K
13. end
. egen tag = tag(city week store SKU)
. egen stores_selling_product = total(tag), by(city week SKU)
. egen tag2 = tag(city week store)
. egen stores_in_city = total(tag2), by(city week)
. gen fraction = stores_sell/stores_in
. sort week SKU store
. l week store SKU city stores* fraction , sepby(week)
+------------------------------------------------------------------+
| week store SKU city stores~t stores~y fraction |
|------------------------------------------------------------------|
1. | 1 200059 01182007 C 3 3 1 |
2. | 1 200060 01182007 C 3 3 1 |
3. | 1 200061 01182007 C 3 3 1 |
4. | 1 200059 01182090 C 2 3 .6666667 |
5. | 1 200060 01182090 C 2 3 .6666667 |
6. | 1 200061 01182888 C 1 3 .3333333 |
|------------------------------------------------------------------|
7. | 2 200059 01182007 K 3 3 1 |
8. | 2 200060 01182007 K 3 3 1 |
9. | 2 200061 01182007 K 3 3 1 |
10. | 2 200059 01182090 K 2 3 .6666667 |
11. | 2 200060 01182090 K 2 3 .6666667 |
12. | 2 200061 01182888 K 1 3 .3333333 |
+------------------------------------------------------------------+