多变量大数据整理，如何编程进行数据挖掘？报酬15个币！其他算帮忙吧！

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

各位大侠：
      有如下问题请教：

病人编号	服药日期	治疗剂量	当天服药次数
1	2006-9-30	25	1
2	2006-10-1	15	1
2	2006-10-1	18	2
2	2006-10-3	30	1
2	2006-10-4	30	1
3	2006-10-4	30	1
3	2006-10-5	10	1
3	2006-10-13	35	1
4	2006-10-7	30	1
4	2006-10-9	10	1
4	2006-10-12	30	1
4	2006-10-20	30	1
5	2006-10-10	30	1
5	2006-10-11	30	1
5	2006-10-12	10	1
5	2006-10-13	70	1
5	2006-10-14	25	1
5	2006-10-15	30	1
5	2006-10-16	30	1
5	2006-10-17	45	1
5	2006-10-18	30	1
5	2006-10-19	20	1
5	2006-10-20	35	1
5	2006-10-21	35	1
5	2006-10-22	35	1
5	2006-10-23	35	1
5	2006-11-2	35	1

数据介绍：本研究期限为13天，以服药时间为据；问题--关于服药天数变量的挑选：
1、如果在研究期限内病人连续7天（>=7天）不服药（3号标红日期），而不是超过研究期限的5号病人，则生成新变量”status“=1，其他为=0，不存在断断续续服药情况（服药间隔<7天）如4号则变量”是否漏服“=0
2、如果在研究期限内存在连续7天不服药的情况，同时还存在断断续续服药情况如4号，则生成新变量status=1，”是否漏服“=1
所有病人计算实际服药天数，如1号病人=1天  2号=3天  3号=2天 4号=3天  5号=13天（虽然其大于13天）
问题--关于服药剂量
1、如果研究期限内病人剂量无调整--如1号，则”调整次数“=0   ”平均剂量“=25     ”平均调整剂量“=0
2、2号病人在研究期限内1天服2次药，则计算服药天数时”2006-10-1“为1天，当日剂量为2次之和。则”调整次数“（调整次数-----1天之内的调整不计入调整次数如2号）=1   ”平均剂量“=33+30/2     ”平均调整剂量“=3
3、3号病人”调整次数“=2    ”平均剂量“=30+10+35/3    ”平均调整剂量“=第一次从30变为10的20+25/2次调整
4、4号病人”调整次数“=2    ”平均剂量“=30+10+30/3     ”平均调整剂量“=20+20/2次
总结：最后每一个病人都要得到如下变量
”实际服药天数“  ”status“  ”是否漏服“   ”调整次数“  ”平均剂量“   ”平均调整剂量“

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：数据挖掘 数据整理 大数据 多变量 status 如何

路过

是这样吗？

data test;
input subjid date: yymmdd10. dose time;
format date yymmdd10.;
cards;
1 2006-9-30 25 1
2 2006-10-1 15 1
2 2006-10-1 18 2
2 2006-10-3 30 1
2 2006-10-4 30 1
3 2006-10-4 30 1
3 2006-10-5 10 1
3 2006-10-13 35 1
4 2006-10-7 30 1
4 2006-10-9 10 1
4 2006-10-12 30 1
4 2006-10-20 30 1
5 2006-10-10 30 1
5 2006-10-11 30 1
5 2006-10-12 10 1
5 2006-10-13 70 1
5 2006-10-14 25 1
5 2006-10-15 30 1
5 2006-10-16 30 1
5 2006-10-17 45 1
5 2006-10-18 30 1
5 2006-10-19 20 1
5 2006-10-20 35 1
5 2006-10-21 35 1
5 2006-10-22 35 1
5 2006-10-23 35 1
5 2006-11-2 35 1
;
* pick up the valid treatment phase;
proc sql;
create table test1 as
select *  from test
group by subjid
having date < min(date)+13
order by subjid,date,time;
quit;
* combine the subjects who dose two times a day;
data test2;
set test1;
by subjid date time;
retain dose_;
if first.date then dose_=dose;
else dose+dose_;
if last.date;
run;
* compare the date and dose from this time to next time;
data test3;
set test2;
by subjid date time;
date1=lag(date);
dose1=lag(dose);
if first.subjid then do; date1=.; dose1=.; end;
if first.subjid and last.subjid then do; date1=date; dose1=dose; flag=1;end;
if date1 ne . and date-date1>7 then do; status=1; miss=1;end;
else do; status=0; miss=0;end;
format date1 yymmdd10.;
drop dose_;
run;

proc sql;
* status, missing dose;
create table status as
select distinct subjid, status, miss
from test3
where status=1 and miss=1
order by subjid;

* actual dose date;
create table actdate as
select subjid, count(distinct date) as actdate
from test3
where  date-date1<=7
group by 1
order by 1;

* mean dose;
create table mean as
select distinct subjid, ifn(flag=1,dose,mean(dose)) as mean
from test3
where flag=1 or  dose ne dose1
group by 1
order by 1;

* adjust time;
create table adjtime as
select distinct subjid,ifn(flag=1,0,count(distinct date1)) as adjtime
from test3
where flag=1 or (dose1 ne . and dose ne dose1)
group by 1
order by 1;

* adjust mean;
create table adjmean as
select a.subjid, ifn(n=0,0,(a.n/b.adjtime)) as adjmean from
(select distinct subjid, ifn(flag=1,0,sum(abs(dose-dose1))) as n
from test3
where flag=1 or (dose1 ne . and dose ne dose1)
group by 1) a
join adjtime b
on a.subjid=b.subjid
order by a.subjid;
quit;

* final dateset;
data final;
merge actdate status adjtime mean adjmean;
  by subjid;
  if status=. then status=0;
  if miss=. then miss=0;
run;

问题一：

1. data quan1;
   
2.   set quan;
   
3.     date1= lag(date) ;
   
4.    if id=lag(id) then
   
5.            period=date-date1;
   
6.    else period=.;
   
7.   if period>=7 then status=1;
   
8.           else         status=0;
   
9.    if period>=2 and period<7 then leak=1;
   
10.            else leak=0;
    
11.         drop date1;
    
12. run;
    
13. proc print data=quan1;
    
14.   where status=1 or leak=1;
    
15.    var id date status leak;
    
16. run;
    
17. data quan2;
    
18. retain cnt 1;
    
19.   set quan1;
    
20.    if period>=7 then delete;
    
21.     if id=lag(id) and date^=lag(date) then  cnt+1;
    
22. run;
    
23. proc sort data=quan2;
    
24. by id;
    
25. run;
    
26. data quan3;
    
27. set quan2;
    
28. by id;
    
29.   if first.id=1  or last.id=1 then output ;
    
30. run;
    
31. data quan4;
    
32. set quan3;
    
33.    cnt1=lag(cnt);
    
34.    if id=1 then days=1;
    
35.   if id=lag(id) then days=cnt-cnt1+1;
    
36.   if days=. then delete;
    
37.    drop cnt1 cnt date freqency leak period status quality;
    
38. run;
    
39. proc print data=quan4;
    
40. run;

复制代码

问题二

1. proc sql;
   
2.    create table work1 as
   
3.     select         id ,date ,sum(quality) as quality
   
4.          from work
   
5.          group by id ,date;
   
6. quit;
   
7. data work2;
   
8. set work1;
   
9.   quality1=lag(quality);
   
10.   if id=lag(id) then adjustment=abs(quality-quality1);
    
11.   if  adjustment>0 then fre=1;
    
12.   drop         quality1;
    
13. run;
    
14. proc sql;
    
15. create table a as
    
16.   select id ,mean(distinct(quality))as avequality
    
17.   from work2
    
18.   group by id ;
    
19. create table b as
    
20. select id ,avg(adjustment) as avgadjustment
    
21.    from work2
    
22.     where adjustment>0
    
23.          group by id;
    
24. create table c as
    
25.   select *
    
26.     from a
    
27.   full join
    
28.   b
    
29.    on a.id=b.id;
    
30. quit;

复制代码

wwang111 发表于 2013-9-29 11:23
是这样吗？

data test;

    非常谢谢你的回答，程序简洁，很细心写了注释！应该是这样的，有一点点小问题，就是“stutas” 和“miss”两个变量不够准确，附上程序处理的结果，及更改后的结果；
subjid         actdate        status        miss              adjtime        mean               adjmean
1         1                  0                  0                    0                   25                           0
2         3                  0                  0 1              1                   31.5                   3
3         2                  1                  1 0                    2                   25                           22.5
4         3                  0 1                  0 1                    2                   23.33333333           20
5         13                  0                  0                    8                   32.77777778            3.125
更正的“status" "miss"写在旁边，我觉得的可能的原因为2号病人的最后一次服药时间，跟3号第一天服药时间相同，所以lag函数的取值有点不够准确，我再试试！可能是我的问题说的不够清楚！  我怎么把币给你了？

mark下 一有时间就来整

tanaya 发表于 2013-9-30 19:33
非常谢谢你的回答，程序简洁，很细心写了注释！应该是这样的，有一点点小问题，就是“stutas” 和“m ...

我上周在休假，所以抱歉没及时回答。
关于漏服问题是我当时没理解对意思，现在已经解决了。
关于status有一个问题，在你的答案中，3号和4号的status=1, 3号是没问题的。
对于4号来说，这个人的研究期限是10月7号到19号，为期13天，如果这个人的status=1，可以理解为从13号到19号没有服药，正好七天，如果是这样理解的话，那2号的研究期限是10月1号到12号，但这个人最后一次吃药是4号，从5号到12号没有记录，是否status的值也应该是1？

wwang111 发表于 2013-10-8 10:55
我上周在休假，所以抱歉没及时回答。
关于漏服问题是我当时没理解对意思，现在已经解决了。
关于status ...

谢谢你对这件事如此上心，我发现根源在于我没有把问题阐述的非常清楚清楚，
status（是否脱失）：连续7天不服药包含7天，如4号10月12号到10月20号，中间11号-19号7天未服药，则status为1。
miss（是否漏服）：断断续续服药，不服药天数小于7天，如4号10月7号服药后，中间8号未服药，9号又开始服药，则4号的状态为服药期间miss=1，最后脱失status=1！
你可能理解为研究期间内累计7天不服药？
后来借鉴了@龙潭丰乐的程序data c;
  set b;
    date1= lag(m_date) ;
   if pid=lag(pid) then
           period=m_date-date1;
   else period=.;
  if period>7 then status=1;
          else         status=0;
   if period>=2 and period<=7 then miss=1;
           else miss=0;
        drop date1;
run;
跑出了想要的结果，不知你的程序是否更简洁，可以学习下！ 谢谢！

龙潭丰乐 发表于 2013-9-30 14:36
问题一：

    谢谢你的回答，只是其中有些变量不知道是代表哪一行数字，也不知道变量的变换过程，如freqency\quality,可能我理解力有限，还请见谅，不过非常感谢你，我会好好向你学习！