如何基于多个变量把我的观测值进行分类

假如我的数据如下：
ID               Income               Education                                Sex
1                21                        High                                         Male
2                30                        Low                                         Female
3                35                        High                                         Male
4               14                         Low                                         Male
5                20                        High                                         Male
...
如果基于两个变量(Education, Sex)把我的观测值(Income)进行分类，那么定义一个新的变量Group，比方说吧，结果可能这样：对应High Male，Group =1；对应High Female，Group =2；对应Low Male，Group =3；对应Low Female，Group =4。那么数据即为：
ID               Income               Education                                Sex                     Group
1                21                        High                                         Male                   1
2                30                        Low                                         Female               4
3                35                        High                                         Male                   1
4               14                         Low                                         Male                    3
5                20                        High                                         Male                   1


如果仅仅基于两个变量(Education, Sex)把我的观测值(Income)进行分类，IF-THEN可以达到这个目的。难点在于我有8个组合变量(Education, Sex, Color, ...等等),所以观测值的组合种类很多。请教高手DATA或者PROC SQL中可有现成功能，用以实现以上目的：即定义一个新的变量Group用以标识我的观测值(Income)。如果没有，如何编程。谢谢。

提供一种解法：
1. 给所有可能的组合赋一个group值, 存在data set
2. 把original data和 group值的data merge起来


data group;
group=0;
do education='High','Low';
do sex='Female','Male';
group=group+1;
output;
end;
end;
proc print data=group;run;

data test;
input id income education $ sex $;
datalines;
1                21                        High                                         Male
2                30                        Low                                         Female
3                35                        High                                         Male
4               14                         Low                                         Male
5                20                        High                                         Male
;
proc print data=test; run;

proc sql;
create table testnew as
select a.*,b.group
from test as a left join group as b
on a.education=b.education and a.sex=b.sex
order by id
;
quit;

proc print data=testnew;run;

1# ertyuj

1. data test;
   
2. input id income education $ sex $;
   
3. datalines;
   
4. 1                21                        High                                         Male
   
5. 2                30                        Low                                         Female
   
6. 3                35                        High                                         Male
   
7. 4               14                         Low                                         Male
   
8. 5                20                        High                                         Male
   
9. 6        30        Low        Male
   
10. 7 29        High Female
    
11. ;
    
12. 
    
13. 
    
14. proc sort data=test out=mm;
    
15.         by education sex;
    
16. data nn(drop=i);
    
17.         set mm;
    
18.         by education sex;
    
19.         if first.sex then do ;
    
20.                 i+1;
    
21.                 group=i;
    
22.                 end;
    
23.         else do;
    
24.                 retain group;
    
25.                 end;
    
26. proc print;
    
27. run;

复制代码

得排列组合吧，8个变量，还不知道每个变量有几个取值，这个有难度。

试了试2楼的解法，很不错。对于SQL语句，我看不懂，貌似很麻烦，不过倒是很实用，赞一个！

这个问题没必要用sql，其实，可以用merge,只是这样的话需要先把data sort一样，用sql就不用sort了。

kevin3ma 发表于 2011-3-1 23:12
试了试2楼的解法，很不错。对于SQL语句，我看不懂，貌似很麻烦，不过倒是很实用，赞一个！

三楼的循环不错，用SQL要注意最后删除重复值。

我开始也是这么做的，不过有几个缺点：
如果data 很多组没有observation，那么给组编号就不全了， 如果换了个数据，在编码，那么就会编号出现不同。而且这样子做也不适合查询每个组对应的值

novice505 发表于 2011-3-1 16:05
1# ertyuj

1. data test;
   
2. input id income education $ sex $;
   
3. datalines;
   
4. 1                21                        High                                         Male
   
5. 2                30                        Low                                         Female
   
6. 3                35                        High                                         Male
   
7. 4               14                         Low                                         Male
   
8. 5                20                        High                                         Male
   
9. 6        30        Low        Male
   
10. 7 29        High Female
    
11. ;
    
12. 
    
13. 
    
14. proc sort data=test out=mm;
    
15.         by education sex;
    
16. data nn(drop=i);
    
17.         set mm;
    
18.         by education sex;
    
19.         if first.sex then do ;
    
20.                 i+1;
    
21.                 group=i;
    
22.                 end;
    
23.         else do;
    
24.                 retain group;
    
25.                 end;
    
26. proc print;
    
27. run;

复制代码

由于大家的帮助（2楼，3楼），这个问题得到解决。最终采用2楼提出的解决方案。

没看清要求，如果要给完全组合下的每种可能情况都编码，二楼的想法不错。。