查看原文
其他

补全股票代码位数的一百种姿势

爬虫俱乐部 Stata and Python数据分析 2022-03-15

本文作者:宁刘莹

文字编辑:李婷婷

技术总编:张计宝

Stata云端培训课程在腾讯课堂上线啦!

      爬虫俱乐部于2020年7月中旬线上举行的Stata编程技术培训课程在腾讯课堂上线啦!课程通过案例教学模式,帮助学员在短期内掌握Stata的基本命令、编程、数据处理以及结果输出等技术,并对Stata16的实用新功能做了详细介绍。

 现在关注公众号并在朋友圈转发推文,即可获得600元课程优惠券,集赞50个再领200元课程优惠!(截图发至本公众号后台领取)原价2400元的课程,现在只要1600元!

导读


股票代码是上市公司股票的编码,通常以六位数的格式显示,但在实际研究过程中,我们时常会遇到数据中股票代码并不是六位数的情况,这时我们可以用Stata在数字前面补0直到补齐六位数为止。根据不同的情形,使用的方法也是不同的,本文将根据几种不同的需求介绍不同的方法。
(一) cntrade和cnstock命令自动帮忙补全
首先,如果使用cntrade或者cnstock命令来直接获取上市公司交易数据或股票代码时,股票代码会自动在Stata内存中显示为六位数的格式,即使你输入cntrade 1,Stata也会了解你想下载的是股票代码为000001的交易数据。

(二) 数据库中下载的数据

如果从数据库中下载的数据导入Stata后发现不足六位,根据数值型和字符型两种需求,有这样三种方法:
1.若想将股票代码保存为六位数的数值型变量,最简便也是最容易想到的,就是使用format命令:
format stkcd %06.0f
百分号后面的第一个零表示如果数字不足六位,则在数字前面补0。
2.若想将股票代码保存为六位数的字符型变量,有两种方法:
第一种是使用string函数:
replace stkcd = string(stkcd, "%06.0f")
第二种是使用tostring命令并配合format选项:
tostring stkcd,format(%06.0f) replace

(三) 在爬虫中的具体案例

以爬取新浪公告为例,我们观察新浪财经网页上市公司公告的页面链接发现,通过对股票代码和页码分别进行循环,就可以抓取不同上市公司每一页的公告了。

我们使用cnstock命令获取上市公司股票代码并随机保留十家,通过定义局部宏来储存这十个股票代码,并查看一下我们储存在宏里的代码:
clear allcnstock allerase cnstock.dtasample 10, countlevelsof stkcd, local(stkcd) foreach i in `stkcd' { di `i'}

可以发现,并不是所有数字都是以六位数的格式显示的,那么直接循环抓取的话,多半是会发生错误的。
我们知道,levelsof命令有一个返回值r(levels),里面存储着所遍历变量的值。因此我们也可以通过定义局部宏的方法,对返回值r(levels)里储存的股票代码进行补全:
clear allcnstock allerase cnstock.dtasample 10, countlevelsof stkcd disp `"`r(levels)'"'foreach stk in `r(levels)' {while length("`stk'")<6{ local stk 0`stk'} //这个while循环的作用是:长度不足六位的数字,就在面前补0,直到补足六位为止forvalue p=1/3 { //假定对于每家上市公司,我们只爬取前三页的公告disp `p'qui copy "http://vip.stock.finance.sina.com.cn/corp/view/vCB_AllBulletin.php?stockid=`stk'&Page=`p'" temp.txt, replace qui infix strL v 1-20000 using temp.txt, clear //将爬取的公告读入stata内存中save `stk'_`p', replace}}

这样,每家上市公司前三页的公告,都被成功抓取了下来。
 
如果您还知道更多补齐股票代码的方法,欢迎在评论区留言交流~





对我们的推文累计打赏超过1000元,我们即可给您开具发票,发票类别为“咨询费”。用心做事,不负您的支持!
往期推文推荐

明星闪闪亮:各校高被引论文

高校经管类核心期刊发文排行榜|2010-2019

PDF图片提取
PDF文档转换成图片

split和nsplit助你轻松拆分

集成学习介绍之三——Stacking算法

PyMuPDF提取文本信息

Mylabels命令介绍  

用WordStat看中国日报新闻  

数据集的划分——交叉验证法

大数据视角下的大学录取分数排行
集成学习介绍之二——Boosting算法

PDF文本信息提取(二)

取长补短、互通有无 ——集成学习介绍之Bagging &随机森林
PDF表格信息提取
神经网络——brain
marktouse标记使用变量

关于我们



微信公众号“Stata and Python数据分析”分享实用的stata、python等软件的数据处理知识,欢迎转载、打赏。我们是由李春涛教授领导下的研究生及本科生组成的大数据处理和分析团队。

此外,欢迎大家踊跃投稿,介绍一些关于stata和python的数据处理和分析技巧。
投稿邮箱:statatraining@163.com
投稿要求:
1)必须原创,禁止抄袭;
2)必须准确,详细,有例子,有截图;
注意事项:
1)所有投稿都会经过本公众号运营团队成员的审核,审核通过才可录用,一经录用,会在该推文里为作者署名,并有赏金分成。
2)邮件请注明投稿,邮件名称为“投稿+推文名称”。
3)应广大读者要求,现开通有偿问答服务,如果大家遇到有关数据处理、分析等问题,可以在公众号中提出,只需支付少量赏金,我们会在后期的推文里给予解答。

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存