使用SAS为不同的重复项创建id

Question

我正在解决数据质量问题，特别是使用COMPGED和COMPLEV函数检测带有模糊逻辑的重复项。

我已经检测到重复，但每对情侣 例如：
假设customer_id等于01,02和03的客户引用同一客户（让我们称他为John），我的SAS程序就会这样检测到：

duplicate_id customer_id
01-02 01
01-02 02
01-03 01
01-03 03
02-03 02
02-03 03

其中duplicate_id是我创建的ID，它将两个客户ID组合在一起，以引用一些重复项。

所以我现在想要的是给John一个唯一的id！

我想要的最终结果是：
duplicate_id customer_id unique_id
01-02 01 01
01-02 02 01
01-03 01 01
01-03 03 01
02-03 02 01
02-03 03 01

（Unique_id是新 ID，与customer_id不同。这意味着01是新ID， NOT 是customer_id的第一次出现。

我有想法使用无向图（运算研究算法），但我没有它的许可证，我也不确定即使它有效，我是否可以影响新的id。 / p>

有什么想法吗？ 谢谢 ！

Answer 1

您可以为每个id组创建一个by。这是通过对数据集进行排序，然后将by group与first. processing和retain语句结合使用来完成的。

例如，

proc sort data = <lib>.<data> ;
   by name <other ids, etc>;
run;
quit;


data <lib>.<data>;
   set <lib>.<data>;
   by name; /* by sort from above */

   format id 10.;

   if first.name then id = 0;
      retain id;
      id = id + 1;
run;

修改

...然后使用uuidgen函数参考here创建ID。

希望这会有所帮助。