Question

我在多个数据集中有一个公共列ID。现在，我正在寻找在这些数据集中出现多少次ID。即使ID在一个数据集中多次出现，数据集中的visit仍会计为1。

对于任何m，ID数据集给定visit，值1介于m和ID # Visit 222 5 233 5 556 3 ... ... 667 1之间。

理想输出：

数据集:(它们没有相同的前缀，这是一个例子）。

data1 :( ID col2 col3 ... 21 222 222的＃访问次数为1，即使出现两次）

...

data5 :( ID col87 col12 ... 222 623 126的＃访问次数为1）

tau:
A | B | C
----------    
2 - 1 - 12351
3 - 1 - 65462
4 - 1 - 13461
6 - 5 - 12351
7 - 5 - 12351
8 - 5 - 62372
9 - 10 -12351

我不知道如何从这开始。它看起来像是一本字典遍历。

Answer 1

这没有经过测试，但沿线应该有效：

/*Stack up all of your tables, keep 'ID' only*/
data have (keep=ID);
set data: indsname=dsn;
dsname = dsn;
run;

/*Proc SQL to get the job done*/
Proc sql;
create table want as
select ID, count(distinct dsname) as visit from have
group by ID
;
quit;

Answer 2

这是一个数据步骤方法，假设所有数据集都按ID排序。

基本上，您将当前行的indsname值与前一行进行比较，如果更改，则将计数增加1.注意与重置计数的方法略有不同 - 我在之后执行 em> indsname检查，并且为1，之前不为0;那是因为在某些情况下，您可能有两个具有不同indsname值的连续ID。由于我们不能在BY语句中使用INDSNAME，因此我们不能依赖SAS来“改变”我们的值（就像我们使用嵌套的语句一样）所以我们必须不按顺序执行。

data data1; do id = 1 to 20; output; end; run; data data2; do id = 1 to 30 by 2; output; end; run; data data3; do id = 1 to 30 by 3; output; end; run; data want; set data: indsname=dsn; by id; count+ifn(dsn=lag(dsn),0,1); if first.id then count=1; if last.id then output; run;

Answer 3

我认为以下解决方案会起作用（您必须提供要在其上计算统计信息的数据集的列表）：

%macro macro_answer(dataset_list);
%let ndsets = %sysfunc(countw(&dataset_list., ' '));

/* Create a frequency table for every dataset in the list of input datasets, containing a column with the dataset name */
/* and the count of each ID in this dataset */
%do i = 1 %to &ndsets;
    proc sql;
        create table __freq_&i. as
        select "%scan(&dataset_list., ' ')" as dataset_name
                ,ID
                ,count(*) as _count_
        from %scan(&dataset_list., ' ')
        group by 1,2
    ;quit;
%end;

/* Append every frequency table create above */
data __all_datasets_freq;
    length dataset_name $41.; /*8 for libname + 1 for '.' + 32 for dataset name*/
    set 
        %do i = 1 %to &ndsets;
            __freq_&i.;
        %end;
run;

/* Drop intermediary tables for frequency of each dataset */
proc sql;
        %do i = 1 %to &ndsets.;
            drop table __freq_&i.;
        %end;
;quit;
%mend macro_answer;

Haikuo Bian提供的解决方案可能有效，并且也更易于理解，但以我的经验，您应该始终对数据集计算统计信息，然后堆叠所有表，而不是堆叠所有表并计算统计信息。大桌子根据您的计算机和表的大小，使用前者可以提高性能。

此外，如果您的表位于数据库（Teradata，Oracle等）上，并且您正在使用SAS Pass-Through，则无需使用即可通过最有效的方式使用数据库Pass-Through SAS在计算统计信息之前附加所有表并在大表上创建。除此之外，对我的代码进行少量调整，您就可以使用字典表 dictionary.tables 在具有特定模式名称的数据集上遍历整个lib（甚至在lib列表上）。

免责声明：我现在无法访问SAS，因此无法确认我提供的代码是否确实有效。

使用indsname计算变量频率

3 个答案: