SAS分组问题

数据样式如下：ID，time和Num是原始的数据，需要根据这三个变量生成g这一列，第一行g取值为1,从第二行开始，如果Num与上一行的取值相同，那么g取值不变，否则g取值加1，分ID进行处理。利用SAS如何实现这一需求？还有一个问题，如果需要定位到变量某一行的取值，要如何处理，比如说想定位到每一个ID中Time的第t个取值Timei,t，这种可以在SAS中实现吗？

ID	Time	Num	g
1	1	1	1
1	2	0	2
1	3	0	2
1	4	1	3
1	5	1	3
1	6	1	3
1	7	1	3
1	8	1	3
1	9	0	4
1	10	0	4
1	11	0	4
1	12	0	4
1	13	1	5
1	14	1	5
1	15	1	5
1	16	1	5
2	1	1	1
2	2	1	1
2	3	0	2
2	4	0	2
2	5	0	2
2	6	1	3
2	7	1	3
2	8	1	3

第1题：

1. data test;
   
2. input ID$ Time Num@@;
   
3. cards;
   
4. 1 1 1
   
5. 1 2 0
   
6. 1 3 0
   
7. 1 4 1
   
8. 1 5 1
   
9. 1 6 1
   
10. 1 7 1
    
11. 1 8 1
    
12. 1 9 0
    
13. 1 10 0
    
14. 1 11 0
    
15. 1 12 0
    
16. 1 13 1
    
17. 1 14 1
    
18. 1 15 1
    
19. 1 16 1
    
20. 2 1 1
    
21. 2 2 1
    
22. 2 3 0
    
23. 2 4 0
    
24. 2 5 0
    
25. 2 6 1
    
26. 2 7 1
    
27. 2 8 1
    
28. ;
    
29. run;
    
30. 
    
31. data want;
    
32.   set test;
    
33.   if id^=lag(id) then g=1;
    
34.   else g+num^=lag(num);
    
35. run;

复制代码

第2题并没有说清，当前数据集的time变量就是按从1开始的自然数递增的，想要选取time的第i个取值，仅凭逻辑推理就知道结果为i，何须编程？如我理解有误，请按第1题的做法给出结果示例与解释。

1. data test;
   
2.         input ID Time Num@@;
   
3. cards;
   
4. 1 1 1
   
5. 1 2 0
   
6. 1 3 0
   
7. 1 4 1
   
8. 1 5 1
   
9. 1 6 1
   
10. 1 7 1
    
11. 1 8 1
    
12. 1 9 0
    
13. 1 10 0
    
14. 1 11 0
    
15. 1 12 0
    
16. 1 13 1
    
17. 1 14 1
    
18. 1 15 1
    
19. 1 16 1
    
20. 2 1 1
    
21. 2 2 1
    
22. 2 3 0
    
23. 2 4 0
    
24. 2 5 0
    
25. 2 6 1
    
26. 2 7 1
    
27. 2 8 1
    
28. ;
    
29. run;
    
30. 
    
31. proc sort data=test;
    
32.   by ID Time;
    
33. run;
    
34. 
    
35. data test1;
    
36.         set test;
    
37.         retain num0;
    
38.         num0=lag(num);
    
39. run;
    
40. 
    
41. data test2;
    
42.         set test1;
    
43.         by ID;
    
44.         if first.ID then num1=.; else num1=num0;
    
45. run;
    
46. 
    
47. data test3;
    
48.         set test2;
    
49.         by ID;
    
50.         retain g;
    
51.         if first.ID then g=1;
    
52.         else if num^=num1 then do; g=g+1; end;
    
53.         else if num=num1 then do; g=g; end;
    
54. run;

复制代码

对于第二个问题，我猜你是想找出每个ID下的NUM变化的所有TIME的值，这个是可以实现的

whymath 发表于 2022-7-25 14:45
第1题：

第2题并没有说清，当前数据集的time变量就是按从1开始的自然数递增的，想要选取time的第i个取值 ...

这个的实现逻辑可不可以讲一下

阿娜塔哇 发表于 2022-7-29 12:14
这个的实现逻辑可不可以讲一下

核心代码是：

1. if id^=lag(id) then g=1;
   
2. else g+num^=lag(num);

复制代码

逻辑如下：
1. 对当前 ID 的第一条观测，即满足 id^=lag(id) 的观测，将变量 g 赋初始值 1；
2. 对当前 ID 的其它观测，当 num 发生变化时，即满足 num^=lag(num) 时，将变量 g 的值增加 1；

这里利用了一些特性，使得程序简短，但也要求更深刻的理解，实际是否这样使用，可以自行评估。
1. var^=lag(var)：该表达式判断变量在当前观测和上一条观测的值是否相同，相同返回1，不同返回0；
2. g+var^=lag(var)：该表达式中，+运算优先级最高，但它是从右向左进行评估，因此，首先评估右侧这个比较运算表达式，返回 0 或 1，然后式子转化为 g+0 或 g+1；
3. g+0 或 g+1：这是 SAS 中独特的累加赋值运算，注意这是一个赋值表达式，但省去了=。此时，变量 g 的值将不会被 PDV 的迭代初始化为缺失值，也就是说，表达式 g+1 等价于：retain g 0; g=g+1;