一个比较集合大小的问题

比如说数据如下
1 A B C D E
2 A B R
3 B G
4 B C D
5 C E
我是想删除第4，5行，因为第1行已经有了这样的组合了；但是要保留2,3行，因为他们有其他行没有的值
我现在想出来的方法就是把所有可能的值写成变量，再用类似tag的方法，ie
   A B C D E F G ... R
1 1  1 1  1 1
2 1  1                      1
3     1              1
4     1 1 1
5        1    1
多谢多谢

1. data source;
   
2.         input str:$20.;
   
3.         datalines;
   
4.         ABCDE
   
5.         ABR
   
6.         BG
   
7.         BCD
   
8.         CE
   
9.         BR
   
10.         DR
    
11.         EFGR
    
12.         ER
    
13.         CD
    
14.         AK
    
15.         ;
    
16. run;
    
17. 
    
18. data t1;
    
19.         set source;
    
20.         id+1;
    
21.         do i=1 to length(str) by 1;
    
22.                 kw=substr(str,i,1);
    
23.                 output;
    
24.         end;
    
25.         drop i;
    
26. run;
    
27. 
    
28. proc sql;
    
29.         create table R(drop=id) as
    
30.         select
    
31.                 id
    
32.                 ,str
    
33.         from (
    
34.                 select
    
35.                         a.id
    
36.                         ,a.str
    
37.                         ,b.id as id1
    
38.                         ,sum(case when missing(b.kw) then 0 else 1 end) as sum
    
39.                         ,length(a.str) as len
    
40.                 from t1 a
    
41.                 left join t1 b
    
42.                 on a.kw=b.kw
    
43.                 and a.id>b.id
    
44.                 group by
    
45.                         a.id
    
46.                         ,a.str
    
47.                         ,b.id
    
48.                 ) c
    
49.                 group by id,str
    
50.                 having sum(case when sum=len then 1 else 0 end)=0
    
51.         ;
    
52. quit;

复制代码

抛个砖

You just need to keep the combination, or just the letters? Since you don't have the combination C E in the first row.

2# junuylia

thanks! i need to keep entire row, whichever is not contained by any other rows, like raw 4 and raw 5. but i will delete the raw 2 and raw 3, since raw 1 contains them.

能不能详细解释一下？第1行没有包含第2、3行的整个内容啊。另外第4行删除我可以理解，但第1行并没有包含第5行为什么也要删除？只因为C和E在第一行出现过吗？

这个问题很有意思，期待好的答案

4# junuylia

不好意思，数数错了，应该是保留2,3行，删除4,5行

如果第6行为BR是删除还是保留
即后面行的元素是否可以添加至你的匹配集合
还是匹配集合永远以第一行为准

7# soporaeternus

多谢多谢，第6行是BR就删除，如果是DR就保留，按有没有包含关系为准

1. data raw;
   
2.     infile datalines missover;
   
3.     input id (var1-var5) ($);
   
4. datalines;
   
5. 3 B G
   
6. 4 B C D
   
7. 1 A B C D E
   
8. 2 A B R
   
9. 5 C E
   
10. ;
    
11. data temp(keep=h_id h_text);
    
12.     length h_text $10;
    
13.     set raw;
    
14.     rename id=h_id;
    
15.     h_text=cats(of var1-var5);
    
16. run;
    
17. data _null_;
    
18.     length h_text $10;
    
19.     if _n_=1 then do;
    
20.         declare hash h(hashexp:8,dataset:'temp',ordered:'yes');
    
21.         declare hiter hi('h');
    
22.         h.definekey('h_id');
    
23.         h.definedata('h_id','h_text');
    
24.         h.definedone();
    
25.         call missing(h_id,h_text);
    
26.     end;
    
27.     set raw end=last;
    
28.     array arr(i) var1-var5;
    
29.     do while(hi.next()=0);
    
30.         if id ne h_id then do;
    
31.             if flag ne 0 then rc=h.remove(key:del_id);
    
32.             do over arr;  
    
33.                 if not missing(arr) then do;
    
34.                     flag=min(flag,findc(h_text,arr,'it'));
    
35.                     del_id=id;
    
36.                 end;
    
37.                 else leave;
    
38.             end;
    
39.         end;
    
40.     end;
    
41.     if last then rc=h.output(dataset:'out');
    
42. run;

复制代码