destring variables.

[Arnout Poelstra]

Dear StataWizards,

I would like to destring the data below:

* Example generated by -dataex-. To install: ssc install dataex
clear
input str9 company_id str4(y2002 y2003 y2004 y2005 y2006 y2007 y2008 y2009 y2010 y2011 y2012 y2013 y2014 y2015 y2016 y2017)
"AAON-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"AIR-US"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   "
"AAN-US"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "NA" 
"ABAX-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   "
"ABT-US"   "N   " "N   " "N   " "Y   " "N   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "NA" 
"ABBV-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "Y   " "Y   " "Y   " "Y   " "NA" 
"ANF-US"   "NA"   "NA"   "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   "
"ABMD-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   "
"ABM-US"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "Y   " "Y   " "NA" 
"ACIA-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"ACHC-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"ACAD-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"AKR-US"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"AXDX-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"XLRN-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"ACN-US"   "NA"   "NA"   "N   " "N   " "N   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "NA" 
"ANCX-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"ACCO-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"AKAO-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"ACHN-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"ACIW-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"ACRS-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"ACOR-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"ATVI-US"  "NA"   "NA"   "NA"   "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "NA" 
"ACTA-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"ATU-US"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"AYI-US"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "N   " "N   "
"GOLF-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"ACXM-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   "
"ADMS-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"ADUS-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"ADBE-US"  "N   " "N   " "N   " "N   " "N   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "NA" 
"ATGE-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   "
"ADTN-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"ADRO-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"AAP-US"   "NA"   "NA"   "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "NA" 
"ADSW-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"AEIS-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"AMD-US"   "Y   " "Y   " "Y   " "Y   " "N   " "N   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "NA" 
"ASIX-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"ACM-US"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "Y   " "Y   " "Y   " "Y   " "Y   " "N   " "Y   " "Y   " "NA" 
"AEGN-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"AER-US"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "N   " "NA" 
"AERI-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"AJRD-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"AVAV-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"AES-US"   "NA"   "NA"   "NA"   "N   " "N   " "N   " "N   " "N   " "N   " "N   " "Y   " "Y   " "Y   " "Y   " "NA"   "NA" 
"AET-US"   "NA"   "NA"   "NA"   "N   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "NA"   "NA" 
"AMG-US"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "NA" 
"AFL-US"   "N   " "N   " "N   " "N   " "N   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "NA" 
"MITT-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"AGCO-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "N   " "N   " "Y   " "Y   " "Y   " "N   " "N   " "N   " "NA" 
"A-US"     "N   " "Y   " "N   " "N   " "N   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "NA" 
"AGIO-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"AGNC-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "N   " "N   " "N   " "N   " "N   " "NA" 
"ADC-US"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"AIMT-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"AL-US"    "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "N   " "N   " "N   " "N   " "NA" 
"APD-US"   "NA"   "NA"   "NA"   "N   " "N   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "NA" 
"ATSG-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"AYR-US"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"AKS-US"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "NA"   "NA" 
"AKAM-US"  "NA"   "NA"   "N   " "N   " "N   " "N   " "N   " "N   " "N   " "Y   " "Y   " "N   " "Y   " "Y   " "NA"   "NA" 
"AKBA-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"AKRX-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"ALG-US"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"ALRM-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"ALK-US"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "Y   " "Y   " "NA" 
"AIN-US"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"ALB-US"   "N   " "N   " "N   " "N   " "N   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "N   " "NA"   "NA" 
"AA-US"    "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "Y   " "NA" 
"ALDR-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"ALEX-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "NA" 
"ALX-US"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"ARE-US"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "NA" 
"ALXN-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "NA" 
"BABA-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   "
"ALGN-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"ALKS-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "N   " "NA" 
"Y-US"     "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "NA" 
"ATI-US"   "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "NA" 
"ALGT-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"ALLE-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "N   " "N   " "NA" 
"ACT'I-US" "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "Y   " "NA" 
"ALE-US"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"ADS-US"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "N   " "N   " "N   " "N   " "Y   " "Y   " "Y   " "Y   " "NA" 
"LNT-US"   "NA"   "NA"   "N   " "N   " "N   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "NA" 
"ALSN-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "NA" 
"ALL-US"   "N   " "N   " "N   " "N   " "N   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "NA"   "NA" 
"ALLY-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "N   " "NA" 
"AFAM-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"ALNY-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "N   " "NA" 
"GOOGL-US" "NA"   "NA"   "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "Y   " "N   " "NA" 
"MDRX-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "NA" 
"AABA-US"  "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "NA" 
"ASPS-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"RESI-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"AIMC-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
"MO-US"    "N   " "N   " "N   " "N   " "N   " "N   " "N   " "N   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "Y   " "NA" 
"AMAG-US"  "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "NA"   "N   " "NA" 
end

I would like to replace all "NA" for missing values. I should be able to do this with the destring command in combination wiht ignore("NA") replace. However, at the same time I would like to replace all "N"for a 0 and all "Y" for a 1. Does anybody know which loop I could use to do so?

Kind regards,

[William Lisowski]

I think this will be easier using encode than destring. Here is some code that may start you in a useful direction. You may want to drop and rename variables afterwards, and perhaps remove the value labels from the new variables.

label define YESNO 0 "N   " 1 "Y   " .a "NA"
forvalues i=2002/2017 {
encode y`i', generate(n`i') label(YESNO)
}

. tab y2002 n2002, missing nolabel

           |              n2002
     y2002 |         0          1         .a |     Total
-----------+---------------------------------+----------
      N    |        10          0          0 |        10
        NA |         0          0         89 |        89
      Y    |         0          1          0 |         1
-----------+---------------------------------+----------
     Total |        10          1         89 |       100