为字段做flag疑问 (50论坛币奖励！！！)

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

问题：

ID	DES	Flag
1001	A	-3
1001	D	-2
1001	G	-1
1001	Target1	0
1001	K	1
1001	Y	2
1001	I	3
1002	H	-1
1002	Target1	0
1002	Target2	0
1002	Target3	0
1002	E	1
1002	Target1	0
1002	W	1
1002	Q	2

1. ID可看成是分组字段；
2. 只要字段DES中包含字符串'Target'，则设置flag=0，且在同一ID内该位置以上观测的分别设置flag=-1,-2,...，该位置以下观测的分别设置flag=1,2,...
3. 若在同一ID内，包含Target的观测不是连续的，那么2个Target之间的观测对应的flag值（正负由哪个Target决定？）应由包含Target最长的部分决定 （比如在示例中ID=1002，E对应的flag值应为1，而不是-1。若2部分的长度相等，则设flag为正值。）
请高手给予指点！解答被采用的最佳解答者将获50论坛币奖励！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：50论坛币 Flag 0论坛币 lag Fla 字符串

1. data hell;
   
2.         input ID $ DES $;
   
3. datalines;
   
4. 1001 A
   
5. 1001 D
   
6. 1001 G
   
7. 1001 Target1
   
8. 1001 K
   
9. 1001 Y
   
10. 1001 I
    
11. 1002 H
    
12. 1002 Target1
    
13. 1002 Target2
    
14. 1002 Target3
    
15. 1002 E
    
16. 1002 Target1
    
17. 1002 W
    
18. 1002 Q
    
19. ;
    
20. data hell1 hell2;
    
21.         length prev_DES $ 8;
    
22.         call missing(prev_DES, flag);
    
23.         *count forward;
    
24.         do _n_=1 by 1 until(last.ID);
    
25.                 set hell;
    
26.                 by ID;
    
27.                 if find(DES, 'target', 'i') then do;
    
28.                         flag = 0;
    
29.                         if find(prev_DES, 'target', 'i') then streak=streak+1;
    
30.                         else streak = 1;
    
31.                 end;
    
32.                 else do;
    
33.                         if flag ne . then flag = flag + 1;
    
34.                 end;
    
35.                 output hell1;
    
36.                 prev_DES = DES;
    
37.         end;
    
38.         lastobs+_N_;
    
39. 
    
40.         call missing(prev_DES, flag);
    
41.         *count backward;
    
42.         do pos=lastobs to lastobs-_n_+1 by -1;
    
43.                 set hell(keep=DES) point=pos;
    
44.                 if find(DES, 'target', 'i') then do;
    
45.                         flag = 0;
    
46.                         if find(prev_DES, 'target', 'i') then streak=streak+1;
    
47.                         else streak = 1;
    
48.                 end;
    
49.                 else do;
    
50.                         if flag ne . then flag = flag - 1;
    
51.                 end;
    
52.                 output hell2;
    
53.                 prev_DES = DES;
    
54.         end;
    
55.         keep ID DES flag streak;
    
56. run;
    
57. 
    
58. 
    
59. data hell3;
    
60.         do _n_=1 by 1 until(last.ID);
    
61.                 set hell1(keep=ID DES);
    
62.                 by ID;
    
63.         end;
    
64.         lastobs + _n_;
    
65.         do _n_=1 by 1 until(last.ID);
    
66.                 set hell1(keep=ID DES flag streak);
    
67.                 by ID;
    
68.                 pos = lastobs - _n_ + 1;
    
69.                 set hell2(keep=ID flag streak rename=(flag=flag2 streak=streak2)) point=pos;
    
70.                 if streak2>streak then flag = flag2;
    
71.                 output;
    
72.         end;
    
73.         keep ID DES flag;
    
74. run;

复制代码

kind of an overkill for such a well-stated problem.

I don't know if it's easier for one to understand with sorting.

1. data hell;
   
2.         input ID $ DES $;
   
3. datalines;
   
4. 1001 A
   
5. 1001 D
   
6. 1001 G
   
7. 1001 Target1
   
8. 1001 K
   
9. 1001 Y
   
10. 1001 I
    
11. 1002 H
    
12. 1002 Target1
    
13. 1002 Target2
    
14. 1002 Target3
    
15. 1002 E
    
16. 1002 Target1
    
17. 1002 W
    
18. 1002 Q
    
19. ;
    
20. proc means data=hell noprint nway;
    
21.         class DES;
    
22.         output out=DES(keep=DES);
    
23. data ctrl;
    
24.         retain fmtname 'DES' type 'c';
    
25.         set DES(rename=(DES=start));
    
26.         if find(start, 'target', 'i') then label='1';
    
27.         else label = '0';
    
28. proc format cntlin=ctrl;
    
29. 
    
30. data backward;
    
31.         do n=1 by 1 until(last.ID);
    
32.                 set hell;
    
33.                 by ID;
    
34.                 output;
    
35.         end;
    
36. proc sort data=backward;
    
37.         by ID descending n;
    
38. 
    
39. %macro count(in=, out=);
    
40. data &out;
    
41.         do until(last.ID);
    
42.                 do until(last.DES);
    
43.                         set ∈
    
44.                         by ID DES notsorted groupformat;
    
45.                         format DES $DES.;
    
46.                         if vvalue(DES) = '1' then do;
    
47.                                 flag = 0;
    
48.                                 if first.DES then streak = 0;
    
49.                                 streak = streak + 1;
    
50.                         end;
    
51.                         else do;
    
52.                                 if flag ne . then flag = flag + 1;
    
53.                         end;
    
54.                         output;
    
55.                 end;
    
56.         end;
    
57. run;
    
58. %mend;
    
59. %count(in=hell, out=forward);
    
60. %count(in=backward, out=backward);
    
61. 
    
62. proc sort data=backward;
    
63.         by ID n;
    
64. 
    
65. data hell;
    
66.         merge forward backward(rename=(flag=flag2 streak=streak2));
    
67.         if streak2>streak then flag=-flag2;
    
68.         keep ID DES flag;
    
69.         format DES;
    
70. run;

复制代码

邓贵大 发表于 2013-6-6 13:13
kind of an overkill for such a well-stated problem.

Many thanks. Very useful and powerful method.

tj0412ymy 发表于 2013-6-6 14:10
Many thanks. Very useful and powerful method.

An overkill is an overkill. If no ID is repeated for more than 32767 times, then we can use a binary string to cut the length of code. Arrays would work if some IDs have > 32767 rows.

1. data hell;
   
2.         input ID $ DES $;
   
3. datalines;
   
4. 1001 A
   
5. 1001 D
   
6. 1001 G
   
7. 1001 Target1
   
8. 1001 K
   
9. 1001 Y
   
10. 1001 I
    
11. 1002 H
    
12. 1002 Target1
    
13. 1002 Target2
    
14. 1002 Target3
    
15. 1002 E
    
16. 1002 Target1
    
17. 1002 Target1
    
18. 1002 Target1
    
19. 1002 Target1
    
20. 1002 W
    
21. 1002 Q
    
22. ;
    
23. data hell;
    
24.         length str $ 32767;
    
25.         do n=1 by 1 until(last.ID);
    
26.                 set hell;
    
27.                 by ID;
    
28.                 if find(DES, 'target', 'i') then substr(str,n,1)='1'; else substr(str,n,1)='0';
    
29.         end;
    
30.         length prev_DES $ 8;
    
31. 
    
32.         do _n_=1 by 1 until(last.ID);
    
33.                 set hell;
    
34.                 by ID;
    
35.                 if find(DES, 'target', 'i') then do;
    
36.                         flag = 0;
    
37.                         if find(prev_DES, 'target', 'i') then streak=streak+1;
    
38.                         else streak = 1;
    
39.                         flag2 = 0;
    
40.                 end;
    
41.                 else do;
    
42.                         if flag ne . then flag = flag + 1;
    
43. 
    
44.                         next1 = findc(str,'1',_n_);
    
45.                         if next1>0 then do;
    
46.                                 next2 = findc(str,'0',next1);
    
47.                                 if next2 > 0 then streak2 = next2-next1; else streak2 = n-next1;
    
48.                                 flag2 = _n_-next1;
    
49.                         end;
    
50.                 end;
    
51.                 prev_DES = DES;
    
52.                 output;
    
53.         end;
    
54.         keep ID DES flag flag2 streak streak2;
    
55. run;
    
56. data hell;
    
57.         set hell;
    
58.         if streak2>streak then flag=flag2;
    
59.         keep ID DES flag;
    
60. run;

复制代码

邓贵大 发表于 2013-6-6 14:49
An overkill is an overkill. If no ID is repeated for more than 32767 times, then we can use a bi ...

Awesome hard skill on Data Step.

新手水平，写了个很山寨的……
————————————
这个是错的，保留原代码（思路 ），楼下才是正解

1. data hell;
   
2.         input ID $ DES $;
   
3. datalines;
   
4. 1001 A
   
5. 1001 D
   
6. 1001 G
   
7. 1001 Target1
   
8. 1001 K
   
9. 1001 Y
   
10. 1001 I
    
11. 1002 H
    
12. 1002 Target1
    
13. 1002 Target2
    
14. 1002 Target3
    
15. 1002 E
    
16. 1002 Target1
    
17. 1002 W
    
18. 1002 Q
    
19. ;
    
20. run;
    
21. 
    
22. data hell;
    
23.         set hell;
    
24.         count+1;
    
25. run;
    
26. 
    
27. data z1;
    
28.         set hell;
    
29.         by id;
    
30.         if find(des,'target','i') then do;
    
31.                 x=count;
    
32.                 flag=0;
    
33.                 end;
    
34.                 else flag+1;
    
35. run;
    
36. 
    
37. proc sql;
    
38.         create table z1_1 as select *, min(x) as minx from z1 group by id;
    
39. quit;
    
40. 
    
41. data z1_2;
    
42.         set z1_1;
    
43.         if count-minx<0 then flag=count-minx;
    
44.                 else flag=flag;
    
45. run;
    
46.         
    
47. proc sort data=z1_2(keep=id des flag count); by count; run;

复制代码

scarfacetony 发表于 2013-6-6 16:31
新手水平，写了个很山寨的……

great idea so counting backwards is avoided, but you still have to count the # of consecutive TARGETs within each ID, otherwise case 3 stated by the OP cannot be properly handled.

1. data hell;
   
2.         input ID $ DES $;
   
3. datalines;
   
4. 1001 A
   
5. 1001 D
   
6. 1001 G
   
7. 1001 Target1
   
8. 1001 K
   
9. 1001 Y
   
10. 1001 I
    
11. 1002 H
    
12. 1002 Target1
    
13. 1002 Target2
    
14. 1002 Target3
    
15. 1002 E
    
16. 1002 Target1
    
17. 1002 Target1
    
18. 1002 Target1
    
19. 1002 Target1
    
20. 1002 Target1
    
21. 1002 W
    
22. 1002 Q
    
23. ;
    
24. run;
    
25. 
    
26. data z1;
    
27.         length prev_DES $ 8;
    
28.         do until(last.id);
    
29.         set hell;
    
30.         by id;
    
31.                 count+1;
    
32.         if find(des,'target','i') then do;
    
33.                         if find(prev_des,'target','i')=0 then streak=1; else streak = streak + 1;
    
34.             flag=0;
    
35.         end;
    
36.         else do;
    
37.                         if find(prev_des,'target','i') then subid+1;
    
38.                         flag+1;
    
39.                 end;
    
40.                 output;
    
41.                 prev_DES = DES;
    
42.         end;
    
43. run;
    
44. 
    
45. proc sql;
    
46.         create table z1_1 as select id,subid as subid, min(count) as minx, max(streak) as streak2
    
47.                         from z1
    
48.                         where flag=0
    
49.                         group by id,subid;
    
50. quit;
    
51. 
    
52. data z1_2(/*keep=ID DES flag*/);
    
53.         merge z1(in=in1) z1_1;
    
54.                 by id subid;
    
55.                 if find(des, 'target', 'i')=0 then do;
    
56.                 if streak2>streak then flag=count-minx;
    
57.         end;
    
58. run;

复制代码

不懂，不是这方面的专家啊

学习，学习~