Question

我的数据集现在有两个主要的变量 - Major和Major_Code。这些应该匹配1比1，但我需要修复一些错误，我发现的是14个Major_Code值，有两个不同的专业。这只是因为拼写或标点符号的变化，例如＆＃34; ed。＆＃34;和＃34;教育＆＃34;。他们应该在这里具有相同的价值，但不要。

所以我有一张7对的桌子。每对都有相同的Major_Code和不同的Major。如何为每个代码选择一个主要值？我唯一的想法是通过一个if-then声明，但这似乎非常低效。

我找到了像这样的加倍值：

proc freq data = majorslist; 表Major_Code / out = majorcodedups; 运行

proc print data = majorcodedups; 其中COUNT＆gt; 1; 运行

所以我可以很容易地找到这些观察结果，但不能提取某些值来覆盖另一个观察结果。我已经查看了数组，宏，sql和转置，但现在它已经超出了我的想法。

逻辑上它会像这样工作：

从obs i到n，在obs i找到变量x的值，在obs i找到变量y的值，转到obs（i + 1）并重复。

Answer 1

假设您有一些规则来确定哪个MAJOR对于MAJOR_CODE是正确的，您应该这样做：

这假设majorslist是每个主要/主要代码对的数据集，无论是否唯一 - 但每个主要/主要代码对只有一个。

proc sort data=majorslist;
by major_code major;
run;

data majorslist_unique;
set majorslist;
by major_code major;
if first.major_code and last.major_code then output;
else do;
*rule to determine whether to output it or not;
end;
run;

所以，你现在有了major_code / major关系。我们假设您选择了if first.major_code then output;作为您的规则（即，使用按字母顺序排列的第一个主要值的major_code）。

现在，您需要将其应用于较大的数据集。有很多方法可以做到这一点 - 合并这个是一个，格式是另一个，对于初学者。格式的工作原理如下：

创建定义了FMTNAME, START, LABEL的数据集。对于MAJOR_CODE的每个值，构建一行，其中START为MAJOR_CODE，LABEL为MAJOR。我们还会添加一条额外的行，说明如何处理不匹配（如果你获得了major_code的新值）。

data for_fmt;
set majorslist_unique;
fmtname='MAJORF'; *add a $ if MAJOR_CODE is a character variable;
start=major_code;
label=major;
output;
if _n_=1 then do;
  hlo='o';
  call missing(start);
  label='NONMATCHED';
  output;
end;
keep fmtname start label hlo;
run;

proc format cntlin=for_fmt;
quit;

现在，您可以在MAJORF.语句中使用格式$MAJORF.（如果MAJOR_CODE是字符，则为PUT）。

data my_bigdata2;
set my_bigdata;
major = put(major_code,MAJORF.);
run;

SAS使用一次观察中的值来覆盖不同的观察值

1 个答案: