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

• 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Stata表格：

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 |
     +------------------------------------------------------------------+