Question

data emp;
input empID;
cards;
2 
3
2  
4
3 
5 
3 
2  
run;

我想编写proc sql delete query来删除所有重复记录但保留一个以便数据集只有以下记录。我想使用删除查询来做，不想创建表

empID
2
3
4
5

我试过这个但是没有用。

proc sql;
delete from emp where empid in
(  select t.empid from emp t where t.empid=empid
   group by t.empId having count(t.empid)>2
 );
quit;

Answer 1

我不认为SAS proc sql有任何关于＆＃34; rownum＆＃34;的概念。专栏或＆＃34; ctid＆＃34;柱。因此，最简单的方法是创建一个新的数据集：

proc sql;
    create table emp2 as
        select distinct empid
        from emp;

Answer 2

使用proc sort和nodup选项有什么问题？

proc sort data=emp nodup;
by empid;
run;

第二个答案：

如果您无法直接或使用proc sort创建表格，那么我相信您唯一的选择是使用带有modify语句的数据步骤。这会更新现有数据集，而不是创建新数据集并在代码成功运行时替换现有数据集。

由于您的数据似乎未分类，因此需要采用更具创造性的方法，而不是可以使用排序数据完成的简单first.empid。我所做的是在读取数据集时建立一个唯一值列表，然后查找该列表中的当前值。如果存在则删除该行。由于_list不允许添加新字段，因此无需删除我创建的临时字段（modify），它仅在后台使用。

请注意，以这种方式删除记录（并使用delete from中的proc sql语法）并未实际删除记录，只是将其标记为已删除，因此他们不会删除记录查看或查询时出现。如果在运行代码后打开Emp数据集，您将看到缺少行号。

data emp;
modify emp;
length _list $200; /* set length of temporary field */
retain _list; /* retain existing values */
if findw(_list,strip(empid))>0 then remove; /* delete observation if empid already exists */
else call catx(',',_list,empid); /* add current empid to list if it doesn't already exist */
run;

我应该补充一点，这个答案的可扩展性不是很高，例如：如果您有一个包含许多唯一值的大型数据集，那么_list变量将需要非常长的长度来容纳它们。如果EmpId对Emp数据集进行排序或至少索引，则更好的选择。这样你可以执行以下操作（emp在set语句中包含两次，因为by语句仅在set语句中有2个数据集时才有效。这是一个技巧启用first.处理。）

data emp;
modify emp (obs=0) emp;
by empid;
if not first.empid then remove;
run;

SAS删除sas中除一条重复记录外的所有记录

2 个答案: