Question

我有两个数据集，我想通过城市合并。问题是，一个数据集只有名称，例如：“本特利”，“卡罗琳”等。但其他数据集有例如“本特利镇”，“卡罗琳村”等。无论如何合并他们使用子串？任何建议

Answer 1

您可以index使用proc sql功能，如下所示：

data data_a;
input city $ x;
datalines;
London 1
York 4
Bukovica 10
Berlin 3
;
run;


data data_b;
input city $1-15 y;
datalines;
Good Old London 10
New York        40
Spisic Bukovica 100
;
run;


proc sql;
  create table merge as
  select a.city as city_a
        ,b.city as city_b
        ,x
        ,y
  from data_a as a
         inner join
       data_b as b
         on index(b.city, strip(a.city)) > 0 or index(a.city, strip(b.city)) > 0;
quit;

只需修改连接即可满足您的需求（内部，左侧，右侧，完整）。

如果您的城市名称不是彼此的子串，您可以尝试使用complev或compged计算两个名称之间的编辑距离，并尝试按照这种方式进行匹配（也许采用最接近的匹配或者最接近某些限制的匹配）。

Answer 2

如果在第二个数据集中，表单始终是“word + of + actual_name”，那么我将使用带有

的datastep

city = scan(city_old,-1);

然后你可以将它们与merge-或proc sql-statement进行比较。

Here指向SAS支持扫描功能的链接。

Answer 3

我建议您使用索引功能。

http://support.sas.com/documentation/cdl/en/lrdict/64316/HTML/default/viewer.htm#a000212242.htm

在字符表达式中搜索字符串，和返回第一个字符串的第一个字符的位置字符串的出现。

Answer 4

如果它总是'...'，那么您可以使用“of”的位置来指导您。对于多字城市（“纽约市”），扫描（... -1）并不总是有效。

data test;
c1='Town of Bentley';
c1_of=find(c1,'of');
c2=substr(c1,c1_of+2);
put _all_;
run;

SAS合并不同的列

4 个答案: