根据条件添加变量

AN	CPC	_LABEL_	ass
CN88103663.3	北京	ASS_3	北方交通大学
CN88101806.6	北京	ASS_2	北京大学
CN88105651.0	北京	ASS_2	北京大学
CN88103800.8	北京	ASS_2	北京联合大学机械工程学院
CN88101957.7	安徽	ASS_2	巢湖市人民医院
CN88104290.0	辽宁	ASS_4	东北工学院
CN88107318.0	广东;44	ASS_1	广东省湛江农业专科学校
CN88105659.6	广西;45	ASS_1	广西河池师范专科学校
CN88107217.6	广西;45	ASS_1	广西化工研究所
CN88109070.0	广西;45	ASS_1	广西化工研究所
CN88101243.2	广西;45	ASS_1	广西冶金研究所
CN88101534.2	贵州;52	ASS_1	贵阳市化学工业设计研究所
CN88105793.2	湖南;43	ASS_1	国家机械工业委员会第八设计研究院
CN88100617.3	北京;11	ASS_1	国家建筑材料工业局科学技术开发服务中心
CN88100259.3	法国;FR	ASS_1	国家科研中心
CN88102858	法国;FR	ASS_1	莫拉姆实验室
CN88102063	法国;FR	ASS_1	葡萄香槟开发集团
CN88102670.0	苏联;SU	ASS_1	汽车电子、汽车拖拉机电器装置科研生产联合企业
CN88103376.6	苏联;SU	ASS_1	汽车电子、汽车拖拉机电器装置科研生产联合企业
CN88108766.1	苏联;SU	ASS_1	全苏工业联合会绝缘装置专业技术设计局

这是我开始的表，其中ass变量分为4个类型：1表示大学，2表示研究机构，3表示企业，4表示公立机构
我希望通过编程能够实现如下表，即增加OT（机构类型）变量，能够自动识别ass变量的机构类型
判断的依据是：
（1）若ass变量中最后两个汉字为“大学”、“学院”、“学校”，则OT为1；
（2）若ass变量中最后三个汉字为“研究所”、“研究院”、“实验室”，或ass变量中最后两个汉字为“中心”则OT为2；
（3）若ass变量中最后两个汉字为“企业”、“集团”，则OT为3；（4）若ass变量中最后两个汉字为“医院”或ass变量中最后一个汉字为“局”，则OT为4；
最后生成的表如下：

AN	CPC	_LABEL_	ass	OT
CN88103663.3	北京	ASS_3	北方交通大学	1
CN88101806.6	北京	ASS_2	北京大学	1
CN88105651.0	北京	ASS_2	北京大学	1
CN88103800.8	北京	ASS_2	北京联合大学机械工程学院	1
CN88101957.7	安徽	ASS_2	巢湖市人民医院	4
CN88104290.0	辽宁	ASS_4	东北工学院	1
CN88107318.0	广东;44	ASS_1	广东省湛江农业专科学校	1
CN88105659.6	广西;45	ASS_1	广西河池师范专科学校	1
CN88107217.6	广西;45	ASS_1	广西化工研究所	2
CN88109070.0	广西;45	ASS_1	广西化工研究所	2
CN88101243.2	广西;45	ASS_1	广西冶金研究所	2
CN88101534.2	贵州;52	ASS_1	贵阳市化学工业设计研究所	2
CN88105793.2	湖南;43	ASS_1	国家机械工业委员会第八设计研究院	2
CN88100617.3	北京;11	ASS_1	国家建筑材料工业局科学技术开发服务中心	2
CN88100259.3	法国;FR	ASS_1	国家科研中心	2
CN88102858	法国;FR	ASS_1	莫拉姆实验室	2
CN88102063	法国;FR	ASS_1	葡萄香槟开发集团	3
CN88102670.0	苏联;SU	ASS_1	汽车电子、汽车拖拉机电器装置科研生产联合企业	3
CN88103376.6	苏联;SU	ASS_1	汽车电子、汽车拖拉机电器装置科研生产联合企业	3
CN88108766.1	苏联;SU	ASS_1	全苏工业联合会绝缘装置专业技术设计局	4

请各位快快帮我！！！

提供一种思路吧，用substr+length。代码不好看，试试也许能解决问题。

1. data  want;
   
2.   set  have;
   
3. if substr(,length(strip(ass))-3,4) in ("大学"  "学院"  "学校") then ot=1;
   
4. if substr(strip(ass),length(strip(ass))-3,4) in ("企业"   "集团") then ot=3;
   
5. if substr(strip(ass),length(strip(ass))-5,6) in ("研究所" "研究院" "实验室") then ot=2;
   
6. if substr(strip(ass),length(strip(ass))-3,4)="中心" then  ot=2;
   
7. if substr(strip(ass),length(strip(ass))-3,4)="医院" then  ot=4;
   
8. if substr(strip(ass),length(strip(ass))-1,2)="局"        then ot=4;
   
9. run;

复制代码

既然是Excel的表，就用Excel里的IF嵌套就可以了

可以尝试用正则函数，如：

1. data want;
   
2.         set have;
   
3.         if prxmatch("/(大学$)|(学院$)|(学校$)/",strip(ass)) then ot=1;
   
4.         else if prxmatch("/(研究所$)|(研究院$)|(实验室$)|(中心$)/",strip(ass)) then ot=2;
   
5.         else if prxmatch("/(企业$)|(集团$)/",strip(ass)) then ot=3;
   
6.         else if prxmatch("/(医院$)|(局$)/",strip(ass)) then ot=4;
   
7. run;

复制代码

webgu 发表于 2011-9-28 16:24
提供一种思路吧，用substr+length。代码不好看，试试也许能解决问题。

现在想想，还用这种思路的话，用ksubstr,klength更好一点。

YueweiLiu 发表于 2011-9-28 21:26
可以尝试用正则函数，如：

这样其实与LZ所定义的规则有冲突，如果不能保证是最后出现的关键词的话，比如：复旦大学附属医院，就会被错误地归入1而不是4

zhangzachary 发表于 2011-9-28 23:49
这样其实与LZ所定义的规则有冲突，如果不能保证是最后出现的关键词的话，比如：复旦大学附属医院，就会被 ...

$ 不就是用来干这个的么???