Question

假设我有一个数据集D1，如下所示：

ID    ATR1    ATR2    ATR3  
1     23      10      11
2     22      11      14
1     19      14      15
2     34      6       17
3     10      11      5

我想从中创建一个数据集D2，如下所示

ID    ATR1    ATR2    ATR3  
1     23      14      15
2     34      11      17
3     10      11      5

换句话说，数据集D2由来自D1的唯一ID组成。对于D2中的每个ID，选择ATR1-ATR3的值作为D1中具有相同ID的记录中的最大值（相应变量）。例如，D2中的ID = 1具有ATR1 = max（23,19）= 23。

我有一个非常笨拙的解决方案。我只是简单地对数据集“D1＆＃39;”的副本进行排序。三次（按ID和ATR1例如）并删除重复项。我后来合并了三个数据集以获得我想要的东西。但是，我认为可能有一种优雅的方式来做到这一点。我在原始数据集中有大约20个这样的变量。

谢谢

Answer 1

PROC SQL METHOD

PROC SQL;
  CREATE TABLE D2 AS
  SELECT ID,
  MAX(ATR1) as ATR1,
  MAX(ATR2) as ATR2,
  MAX(ATR3) as ATR3,
  FROM D1
  GROUP BY ID;
QUIT;

GROUP BY子句也可以写成GROUP BY 1，省略ID，因为它引用SELECT子句中的第1列。

PROC SUMMARY METHOD

PROC SUMMARY DATA=D1 NWAY;
             CLASS ID;
             VAR ATR1 ATR2 ATR3;
             OUTPUT OUT=D2 (DROP=_TYPE_ _FREQ_) MAX()=;
RUN;

以下是对一些选项的解释：

NWAY - 仅提供最高级别的摘要，此处它并不重要，因为您只有一个CLASS变量，这意味着只有一个级别的摘要。但是，如果没有NWAY，您会在整个数据集中显示一个额外的行，显示ATR1-ATR3的最大值，这不是您在问题中要求的内容。
DROP=_TYPE_ _FREQ_ - 这会删除自动变量：
- _TYPE_ - 显示摘要级别（请参阅上面的评论），它只是一个包含值1的列。
- _FREQ_ - 提供ID值的频率计数，尽管这些值很有用，但在您的问题中并不是您想要的。

SAS用于以下方案

1 个答案: