1. 时期数据处理概览

2. 时期数据的格式

di mdy(12,31,1959)
di mdy(1,1,1960)
di mdy(1,3,1960)
di mdy(1,20,2020)
* 21934
上表第三列的代码设定格式可将 Stata 规则下日期对应的数值进行展示。所有设定格式均以 %t 开头；第二个字母表示时期数据的类型，例如： %td，表示日度日期（daily dates）；%tw 表示周日期（weekly dates）。下面的例子展现了如何将字符型变量 “date” 转化成对应的 Stata 规则下的数值型变量，以及如何将转化后的数值型变量的呈现格式进行设定。
 
clear all
input str30 date //生成单个观测点数据
"20/01/2020"
display mdy(1,20,2020)
*21934
generate date_numeric=date(date, "DMY") //将字符型时期数据进行数值转换，具体参见“时期数据的转换”
generate date_numeric2=date_numeric //生成同一个变量，用于比较格式化呈现前后的效果
format date_numeric2 %td
browse
3. 时期数据的转换
 
导入 Stata 的时期数据通常被视为字符型数据，我们首先要做的就是将字符型数据转换成数值型数据。值得注意的是，不同于常规的数据类型转换操作，由于 Stata 对日期数据的存储有自己的规范，时期数据的数值化转换，其目的就是获得前文所示的距离参考时点的差值，这个唯一的差值可通过各类日期函数展开进一步处理。
 
具体看如下示例。该数据集中的时期数据均为字符型变量，以出生日期（dateofbirth）和入院日期（admit_d）的第一个观测值为例，分别为May152001 和 20110625。显然，我们无法针对字符型变量进行更多运算处理，例如排序或计算，这时便需要将其进行转化。
 
use "https://www.stata-press.com/data/r17/visits", clear //本例来源于 Stata Manual  
describe
/* Contains data from https://www.stata-press.com/data/r17/visits.dta
 Observations:             5                  Fictional hospital visit data
    Variables:             7                  27 Aug 2020 22:56
-------------------------------------------------------------------------------------------------
Variable      Storage   Display    Value
    name         type    format    label      Variable label
-------------------------------------------------------------------------------------------------
patid           byte    %9.0g                 Patient ID
dateofbirth     str9    %9s                   Date of birth
reason          str15   %15s                  Reason for visit
admit_d         str8    %9s                   Admission date
admit_t         str17   %17s                  Admission date and time
discharge_d     str9    %9s                   Discharge date
discharge_t     str14   %14s                  Discharge date and time
-------------------------------------------------------------------------------------------------
Sorted by: */
list admit_d dateofbirth
     +----------------------+
     |  admit_d   dateofb~h |
     |----------------------|
  1. | 20110625   May152001 |
  2. | 20110313   Apr011999 |
  3. | 20110409   Nov151975 |
  4. | 20120211   Aug261960 |
  5. | 20120801   Dec161987 |
     +----------------------+   */
利用 “**date()**” 函数（又称“字符-数值转换函数”），可以将字符型的时期变量转换为 Stata 的时期数值（可以称其为：Stata dates）。例如，上面提到的第一个观测值的 “20110625” 和 “May152001” ，分别应对着数值 18803 和 15100，既以日为单位的与参照时间点（1960年1月1日相隔的日期数量）的差值。基于此数值，可以进一步将其设定为我们需要的日期格式。这里需要注意，载入日期数据后，需要按照排列规则进行设定，这里即为 “year, month, day (YMD)”和“month, day, year (MDY)”。
 
generate admit = date(admit_d, "YMD")  //20110625 - YMD
generate dob = date(dateofbirth, "MDY") //May152001 - MDY
  /*注：It does not matter whether the month is written as a number, spelled out completely, or abbreviated to three letters.*/
list admit_d admit dateofbirth dob 
     +--------------------------------------+
     |  admit_d   admit   dateofb~h     dob |
     |--------------------------------------|
  1. | 20110625   18803   May152001   15110 |
  2. | 20110313   18699   Apr011999   14335 |
  3. | 20110409   18726   Nov151975    5797 |
  4. | 20120211   19034   Aug261960     238 |
  5. | 20120801   19206   Dec161987   10211 |
     +--------------------------------------+  */
紧接着，我们将 Stata 规则下数值型变量的呈现格式进行调整：
 
format admit dob %td //将 Stata 规则下的数值型日期变量进行格式调整
list admit_d admit dateofbirth dob //格式调整后即为我们可以阅读理解的呈现形式
     +----------------------------------------------+
     |  admit_d       admit   dateofb~h         dob |
     |----------------------------------------------|
  1. | 20110625   25jun2011   May152001   15may2001 |
  2. | 20110313   13mar2011   Apr011999   01apr1999 |
  3. | 20110409   09apr2011   Nov151975   15nov1975 |
  4. | 20120211   11feb2012   Aug261960   26aug1960 |
  5. | 20120801   01aug2012   Dec161987   16dec1987 |
     +----------------------------------------------+  */
des admit_d admit dateofbirth dob     
     Variable      Storage   Display    Value
         name         type    format    label      Variable label
     ----------------------------------------------------------------
     admit_d         str8    %9s                   Admission date
     admit           float   %td                   
     dateofbirth     str9    %9s                   Date of birth
     dob             float   %td   */                
上面的结果也再次表明，即便原始数据均为数字，它依然可以是字符型的变量；即便变量中有字母出现，它仍可表示为一个数值。因此，不畏浮云遮望眼，理解 Stata 规则下的时期数据转化规则至关重要。只要搞清楚时期数据的处理逻辑，使用合适的时期函数自然也不再困难，上面对于日度日期数据（daily dates）的处理也完全适用于周度（weekly）、月度（monthly）和季度（quarterly）数据。否则，我们将面对汗牛充栋的时间函数命令，看似学了很多命令，但却在耗费大量时间和精力后依然混乱不堪。
 
4. 时期数据的提取与合并
 
对于 Stata 规则下的数值型变量，我们还可以通过函数对其内容进行提取。以上文中已经转换为 Stata Dates 的变量admit为例，使用month 和year 函数，可以提取该变量中的时间成分，即月和年。
 
generate admonth = month(admit) ///提取月
generate adyear = year(admit) ///提取年
list admit admonth adyear
     +------------------------------+
     |     admit   admonth   adyear |
     |------------------------------|
  1. | 25jun2011         6     2011 |
  2. | 13mar2011         3     2011 |
  3. | 09apr2011         4     2011 |
  4. | 11feb2012         2     2012 |
  5. | 01aug2012         8     2012 |
     +------------------------------+ */
反之，也可以将两个时间变量进行合并。使用ym() 函数，可以将分开的日期元素进行合并。例如，将上面提取的年、月进行合并：
 
generate monthly = ym(adyear,admonth)
format monthly %tm
list admit monthly
     +---------------------+
     |     admit   monthly |
     |---------------------|
  1. | 25jun2011    2011m6 |
  2. | 13mar2011    2011m3 |
  3. | 09apr2011    2011m4 |
  4. | 11feb2012    2012m2 |
  5. | 01aug2012    2012m8 |
     +---------------------+ */
此外，还能以嵌套函数的方式进行合并：
 
generate monthly1 = ym(year(admit), month(admit))
format monthly1 %tm
list admit monthly monthly1
     +--------------------------------+
     |     admit   monthly   monthly1 |
     |--------------------------------|
  1. | 25jun2011    2011m6     2011m6 |
  2. | 13mar2011    2011m3     2011m3 |
  3. | 09apr2011    2011m4     2011m4 |
  4. | 11feb2012    2012m2     2012m2 |
  5. | 01aug2012    2012m8     2012m8 |
     +--------------------------------+ */
5. 不同时间类型之间的转换
 
首先，将完整的时期数据转换为日期数据：
 
generate double admit_time = clock(admit_t, "YMDhms") //将 datetime 从字符型转换为 Stata Dates
format admit_time %tc //呈现格式设定
list admit_time admit_t
generate dateoftime = dofc(admit_time) //将 datetime 直接转换为 date，亦可理解为一种特殊的提取
format dateoftime %td
list admit_time dateoftime
     +--------------------------------+
     |         admit_time   dateoft~e |
     |--------------------------------|
  1. | 25jun2011 05:15:06   25jun2011 |
  2. | 13mar2011 08:30:45   13mar2011 |
  3. | 09apr2011 10:17:08   09apr2011 |
  4. | 11feb2012 10:30:12   11feb2012 |
  5. | 01aug2012 06:45:59   01aug2012 |
     +--------------------------------+ */
其次，将日期数据转换为月度数据：
 
generate monthofdate = mofd(admit)
format monthofdate %tm
list admit monthofdate
     +----------------------+
     |     admit   montho~e |
     |----------------------|
  1. | 25jun2011     2011m6 |
  2. | 13mar2011     2011m3 |
  3. | 09apr2011     2011m4 |
  4. | 11feb2012     2012m2 |
  5. | 01aug2012     2012m8 |
     +----------------------+ */
同理，还可以将月度数据转换为季度数据：
 
generate quarterly1 = qofd(admit)
generate quarterly = qofd(dofm(monthofdate)) //注意：使用嵌套函数的原因在于，没有直接从月数据转换为季度数据的函数  
format quarterly quarterly1 %tq
list monthofdate quarterly quarterly1
     +--------------------------------+
     | montho~e   quarte~y   quarte~1 |
     |--------------------------------|
  1. |   2011m6     2011q2     2011q2 |
  2. |   2011m3     2011q1     2011q1 |
  3. |   2011m4     2011q2     2011q2 |
  4. |   2012m2     2012q1     2012q1 |
  5. |   2012m8     2012q3     2012q3 |
     +--------------------------------+ */
此外，td() 函数可以将单个指定的日期转换为 Stata Dates 对应的数值，进而用于表达式中：
 
list admit patid reason if admit > td(20feb2012) //2012年2月20日后患者的入院原因   
     +-------------------------------------+
     |     admit   patid            reason |
     |-------------------------------------|
  5. | 01aug2012       5   rapid breathing |
     +-------------------------------------+ */
dis mdy(2,20,2012) //指定日期对应的 Stata Dates 数值
19043
以上内容就是 Stata 处理日期与时间数据的基础内容。时期数据的处理逻辑十分清晰，即：先将字符转数值、再将数值格式化、按照需求来转换。
 
接下来，我们进一步结合实例，不仅将时期数据与画图相结合，也将介绍一些实用的函数帮助我们获取更多基于时期数据的变量信息。
				
1.将字符型数据转换成日期型：（用stata的自带help datetime可查具体操作）
例如将字符型2010-01-05 14:04:31.890 (variant1)转换成数值型的05Jan2010:
gen double eventtime=clock(variant,"YMDhms")
gen eventdate=dofc(eventtime)
format eventdate=
				
STATA、EXCEL、PYTHON处理时间变量使之能够加减计算的方法是：以某一个时间线为基准（如STATA以1960年1月1日为基准），计算指定时间与基准时间的“相隔天数/月数/季度数/年数”，通过“相隔”数来进行加减计算。
但是因为“相隔”数对使用者来说本身是没有意义的，所以还需要format 进行一下格式上的转化，简单来讲就是披上一层可以让我们认识的人皮。
大部分被导入STATA的时间变量不会被自动识别为时间变量（这句话可能是我乐观了），需要进行字符串到“相隔”数值的转换。
转换函数包括:
				
stata：时间变量格式转换
时间序列是经济金融类研究最常用的数据类型，时间变量的转换和设定一般是初学者最为头大的问题，本文在这里详尽的展示有关时间变量处理、转换以及格式设定的相关问题，话不多说直奔主题。
第一次使用MarkDown，很多细节问题不是很懂，格式有错乱问题，看官多见谅！
1.时间变量格式问题
				
stata中红色的数据为字符型存储，在对上市公司股票数据进行处理时，需要将日期转化为数字类型，这样能够进行加减运算，计算事件研究法的时间差。注意：此两行代码都要运行，不能缺少。
generate var2=date(var1, "YMD")
format var2 %td
转换结果：
                    jjb_chain_boy: 
                    一直有一个问题，就是为啥C语言里面没有注解，但是好像C语言也不需要注解，但是在java的世界里好像没有注解就会感觉java没有那么神秘或者说没有那么高级，因为java的框架是用注解来实现的。
但C语言并没我快注解，但是却并不能说C语言不高级，或者说C语言简单，为什么呢？我想了很长时间，我的理解是，java的方法数据和类在框架中需要二次处理，或者相对于C来说又多了一层处理，其实不止是一层，除了框架的一层还有中间码一层。
但C没有这么多层，C比较直接，这也是他的优势，所以C的效率最高。
为什么C不需要多层处理呢？或者说为什么java非要搞的那么繁琐有什么意义呢？不是自己给自己找麻烦不是吗，直接干多好啊，其实java多层处理的意义就是为了，让重复的工作交给后台来处理，无论是编译器还是框架，都是后台，说白了就是为了能省点事，当然，处理问题的总是也产生了问题，那就是使用框架也变的越来越复杂，指令越来越复杂。越来越多。
而C就是以不变应万变，不怕麻烦。为了效率可以费点劲也认了。
当然虽然C没有那么多层处理，但是从本质上C也是有注解的，其实注解的本质就是指针，无论你认不认可。因为指针同样是标注了一块地址的内存，通过指针你可以找到这块内存的一些信息。
在java里面是没有指针的概念的，而所谓的标注数据或者方法，其实就是地址指针。明白了吧。
比如说你写的注解，框架是怎么知道的呢？
是通过反射得到的，所谓的反射就是用过一个名称获取到一个内存的地址，因为这块地址被提前标注了。就是这么回事，别在拿着什么反射或者注解来忽悠人了。
或者说别在说java里面没有指针了，纯属胡说，没有指针的名称了，只是换了一种方式，java本来是想把程序搞简单些，但是还是回到了原点，甚至比C搞的更加让人疑惑。其实就是因为java不承认用了指针。其实不用指针程序是无法变的这么灵活的，而且无法实现间接调用，或者什么非入侵式的模式，什么非入侵，就是指针共享了内存地址而已，或者叫做指针的间接访问而已。或者叫做地址的间接访问而已。
如果不用标注，或者说不用注解，能实现框架的功能，那才叫做非入侵式，有注解就不能说没有入侵，不能说没有产生联系，而且不产生联系，还用框架做什么。
Java有些东西就像变魔术，变戏法，看着神秘，其实揭秘之后发现，太欺骗人了。因为很多时候起名字的人内心里就想忽悠别人，让别人认为搞的很神秘的样子，或者就是为了不让别人听懂。其实就是阴险小人罢了。
Java没那么多歪理邪说，没那么多稀奇古怪，都是计算机做出来的。
不要太嚣张。也不要忽悠人，心地善良些为好，名字起的正常一些为好。不要感觉好像java什么都反着来的，什么反射，什么注解。反射就叫通过指针过去数据，注解就叫做指针的标注地址就好了。这样说谁还不懂。