我有一张卡片历史数据集如下。对于每个客户,他们可能在同一天申请了一张或多张卡。但是,由于各种原因,他们的卡被取代。发卡日期是发卡时。新卡ID是替换卡的ID。例如,对于客户A,他的卡在2017年2月1日首次发行,卡ID为1234. 3天后,他丢失了卡,并在2017年5月2日发行了新卡(1235)。
Customer ID First Issue Date Card Issue Date Card ID New Card ID
A 2/1/2017 2/1/2017 1234 1235
A 2/1/2017 5/2/2017 1235
B 5/2/2017 5/2/2017 1245 1248
B 5/2/2017 5/2/2017 1236 1249
B 5/2/2017 10/3/2017 1248 1250
B 5/2/2017 5/3/2017 1249 1251
B 5/2/2017 10/4/2017 1250
B 5/2/2017 5/4/2017 1251
我想要的是将原卡和所有替换品组合在一起。例如,客户B在5/2/217申请了两张卡。卡ID 1245,1248和1250属于同一组(Seq No 1),Card ID 1236,1249和1251属于同一组(Seq No 2)。
Customer ID Open Date Card Issue Date Card ID Seq No
A 2/1/2017 2/1/2017 1234 1
A 2/1/2017 5/2/2017 1235 1
B 5/2/2017 5/2/2017 1245 1
B 5/2/2017 10/3/2017 1248 1
B 5/2/2017 10/4/2017 1250 1
B 5/2/2017 5/2/2017 1236 2
B 5/2/2017 5/3/2017 1249 2
B 5/2/2017 5/4/2017 1251 2
请帮我解决这个数据转换问题。
以下是输入文件的数据步骤
data test;
infile datalines dsd truncover ;
input Customer:$1.
First_Issue_Date: ddmmyy10.
Card_Issue_Date: ddmmyy10.
Card_ID: $4.
New_Card_ID: $4. ;
format First_Issue_Date ddmmyy10. Card_Issue_Date ddmmyy10.;
datalines;
A,02/01/2017,02/01/2017,1234,1235,
A,02/01/2017,05/02/2017,1235,,
B,05/02/2017,05/02/2017,1245,1248,
B,05/02/2017,05/02/2017,1236,1249,
B,05/02/2017,10/03/2017,1248,1250,
B,05/02/2017,05/03/2017,1249,1251,
B,05/02/2017,10/04/2017,1250,,
B,05/02/2017,05/04/2017,1251,,
;
答案 0 :(得分:1)
DATA Step散列对象对于遍历身份跟踪数据中的路径非常有效。假设每个Card_ID对所有客户都是唯一的,并且每个New_Card_ID值在数据集中具有相应的Card_ID值,则此代码将在无数次重发中找到唯一的路径ID。
data paths(keep=card_id path_id);
if 0 then set have; * prep pdv;
call missing (Path_ID);
* for tracking the tip of the card_id trail;
DECLARE HASH currentCard(hashexp: 9);
currentCard.defineKey ('Card_ID');
currentCard.defineData ('Card_ID', 'Path_ID');
currentCard.defineDone();
* for tracking everything up to the tip (segment);
DECLARE HASH replacedCard(hashexp:10);
replacedCard.defineKey ('New_Card_ID');
replacedCard.defineData('Card_ID');
replacedCard.defineDone();
* fill the two hashes;
do until (lastrow);
set have (keep=Card_ID New_Card_ID) end=lastrow;
if missing(New_Card_ID) then
Path_ID + 1;
if missing(New_Card_ID)
then currentCard.add();
else replacedCard.add();
end;
* for each tip of a path output the tip and all its segments;
declare hiter tipIter('currentCard');
do while (tipIter.next() = 0);
output; * tip;
do while (replacedCard.find(key:Card_ID) = 0);
output; * segment;
end;
end;
stop;
run;
如果您真的需要Seq = 1..N
在客户中,您将需要进行额外的排序和合并。
我的NESUG 2009论文"Using HASH to find a sum over a transactional path"对链接交易进行了类似的讨论。
答案 1 :(得分:0)
您正在寻找的是连接组件分析。如果你拥有它,PROC OPTNET
可以为你提供你想要的东西。
不幸的是,它不支持BY
语句,因此在您使用它来对卡片进行分组后,您必须生成序列号。
首先创建节点,“来自/来自”卡数据中的数据。
data nodes;
set test;
node = put(_n_,best12.);
from = card_id;
to = new_card_id;
if to = . then to=from;
run;
然后进行分析。
proc optnet data_links=nodes out_nodes=nodes_out;
concomp;
run;
这会生成一张卡片及其组(变量concomp
)。
将该组加入原始数据并对其进行排序。
proc sql noprint;
create table want as
select a.customer,
a.First_Issue_Date,
a.Card_Issue_Date,
a.Card_ID,
b.concomp
from test as a
left join
nodes_out as b
on a.card_id = b.node
order by customer, concomp, Card_Issue_Date;
quit;
现在这些组只需订购1,2,...,N。您希望可以使用数据步骤获取该信息并创建seq_no
data want(drop=concomp);
set want;
by customer concomp;
retain seq_no ;
if first.customer then
seq_no = 0;
if first.concomp then
seq_no = seq_no + 1;
run;