Question

我正在尝试解析in（）函数中的datastep变量。我有一个数据集，如下所示：

|Run|Sample Level|Samples Tested|
| 1 |     1      |      1-5     |
| 1 |     2      |      1-5     |
...etc
| 1 |     5      |      1-5     |
---------------------------------
| 2 |     1      |      1-4     |
| 2 |     2      |      1-4     |

测试样品随运行而变化。通常，数据集中唯一的样本级别是“样本测试”提供的范围内的那些。但是，有时情况并非如此，并且可能变得凌乱。例如，我研究的最后一个看起来像这样：

|Run|Sample Level|Samples Tested|
| 1 |      1     |2-9, 12-35, 37-40|

在这种情况下，我想删除所有包含未包含在“测试样品”中的样品水平的行，这是通过手动添加代码来完成的：

Data Want;
set Have;
if sample_level not in (2:9, 12:35, 37:40) then delete;
run;

但是我想做的是通过查看“测试样本”列自动完成此操作。将“-”转换为“：”很容易，但是我遇到的困难是让IN()函数识别或解析变量。我想要看起来像这样的代码：if sample_level not in(Samples_Tested) then delete;，其中samples_tested已转换为IN()函数可以处理的东西。如果有人有他们认为可行的解决方案，我也不反对使用proc sql;。我知道您可以做

之类的事情

Proc sql; Create table want as select * from HAVE where Sample_Level in (Select Samples_Tested from Have); Quit;

但是问题是测试的样品随运行而变化，并且可能有16种不同的运行。希望我已经足够清楚地说明了挑战。感谢您抽出宝贵的时间阅读本文，并提前感谢您的帮助！

Answer 1

假设对于每个RUN值，SAMPLES_TESTED的值都是恒定的，则可以使用它来生成选择标准。例如，您可以使用_null_数据步骤将WHERE语句写入文件，然后将该代码％include到另一个数据步骤中。

filename code temp;
data _null_;
  file code;
  if eof then put ';';
  set have end=eof;
  by run;
  if first.run;
  if _n_=1 then put 'where ' @ ;
  else put '   or ' @ ;
  samples_tested=translate(samples_tested,':','-');
  put '(' run= 'and sample_level in (' samples_tested '))';
run;
data want;
  set have;
  %include code;
run;

注意：IN是运算符，而不是函数。

Answer 2

很高兴看到SAS代码；-）

这将适用于一个范围：

select * from HAVE where level in (tested);

对于多个范围，我将在MySQL中使用SUBSTRING_INDEX或仅将SUBSTRING和INDEX结合使用以查找下一个条件。从（已测试（1）中的水平或（已测试2）中的水平或（已测试3）中的水平）中选择*; 例如，在其中将tested1替换为substr（tested，1，index（tested，'，'）

我使用以下代码生成示例：创建表有（运行int，级别int 经测试的varchar（20））; INSERT INTO拥有（运行，级别，测试）值（1、1，“ 3-5”）； INSERT INTO拥有（运行，级别，测试）值（1、3，“ 3-5、12：35”）； INSERT INTO拥有（运行，级别，测试）值（1、20，“ 3-5、12-35”）；

使用IN（）函数评估变量

2 个答案: