关于SAS数据集交叉分组问题

现有数据集data1共5列数据，分别是stk，date，dir，vol，size，其中size取值包括1，2，3，
问题：现在首先将所有样本按照size分为三组，在每组中根据vol确定每组p10、p20、p80、p90的分位点，在size=1，2，3三组中，分别根据每组p10、p20、p80、p90的分位点分为5组
由于数据集文件比较大，我希望能通过宏以及proc format来提高运行效率，但目前我只晓得单变量分组，对于交叉分组一时不晓得怎么处理，哪位高手能有高效一点的方法？

proc univariate noprint data=data1;
var vol;
output out=quintile pctlpts=10 20 80 90 pctlpre=pct;
by size;
run;
proc sort data=data1;
        by size;

data data1;
merge data1 quintile;
        by size;
        if .<vol<=pct20 then group=1;
        if pct20<vol<=pct80 then group=2;
        if pct80<vol<=pct90 then group=3;
        if pct90<vol then group=4;
run;

四个点分成四组？京剧

jl60156 发表于 2014-11-30 23:12
proc univariate noprint data=data1;
var vol;
output out=quintile pctlpts=10 20 80 90 pctlpre=pct;
...

谢谢jl60156，我明白你的思路，但是我的数据集文件太大，运行一次proc sort 或proc merge花费时间特别长，这样处理起来效率特别低，我希望能通过宏以及proc format来提高运行效率，我只晓得单变量分组，对于交叉分组一时不晓得怎么处理，你能有更高效一点的方法吗？

jingju11 发表于 2014-12-1 00:07
四个点分成四组？京剧

四个点分成五组，写错了

try hash object, it might improve processing speed.


proc univariate noprint data=data1;
var vol;
output out=quintile pctlpts=10 20 80 90 pctlpre=pct;
by size;
run;
data data2;
attrib
pct10 length=8
pct20 length=8
pct80 length=8
pct90 length=8
group length=8;
if _n_=1 then do;
declare hash p(dataset: 'quintile(rename=(size=id))',ordered: 'yes');
declare hiter pi('p');
p.definekey('id');
p.definedata('id','pct10','pct20','pct80','pct90');
p.definedone();
call missing(id,vol,pct10,pct20,pct80,pct90,group);
end;
keep size dir date stk vol group;
set data1;
rc=pi.setcur(key: size);
do until(rc ne 0 or size ne id);
        if rc=0 then do;
                if .<vol<=pct10 then group=1;
                if pct10<vol<=pct20 then group=2;
                if pct20<vol<=pct80 then group=3;
                if pct80<vol<=pct90 then group=4;
                if pct90<vol then group=5;
end;
rc=pi.next();
end;
run;

dream_2016 发表于 2014-12-1 00:10
谢谢jl60156，我明白你的思路，但是我的数据集文件太大，运行一次proc sort 或proc merge花费时间特别长， ...

我用30,000,000的数据来测试，他的程序需要大概2分钟。所以在千万数量级别的数据上，效率不是问题。其中的关键很显然是排序的时间。如果更大的数据，是否可以排序。所以他的两个程序的差距其实只是10-20秒而已（因为这两个程序都没有避免排序）。
其中避免直接排序的方法是利用where语句每个size分别来做。然后整合到一起。
另外merge 语句在sas里不存在效率问题。而对merge效率的不满，就是对SAS软件本身结构的不满。
通过宏以及proc format来提高运行效率在这里是不切合实际的。红本身不提高程序的运行效率。而format在这里无从提起。
京剧

jingju11 发表于 2014-12-1 10:17
我用30,000,000的数据来测试，他的程序需要大概2分钟。所以在千万数量级别的数据上，效率不是问题。其中的 ...

我的数据集大都在1、2亿条，我用其中一个数据集排序试了下要半个小时左右

如果可以把数据发我试试，baidu网盘啥的都行