配对记录选取

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

一配对研究，其中配对号ID中以“A”、“B”区分试验组及对照组，后3位为配对号，现想把变量GROUP=1的配对记录挑出来组成新数据集，怎么实现？

原始数据

1. data a;
   
2. input id group;
   
3. cards;
   
4. 1A001 1
   
5. 1B001 .
   
6. 1A002 1
   
7. 1B002 .
   
8. 1A003 .
   
9. 1B003 .
   
10. 1A004 1
    
11. 1B004 .
    
12. 1A005 1
    
13. 1B005 .
    
14. 1A006 .
    
15. 1B006 .
    
16. 2A001 1
    
17. 2B001 .
    
18. 2A002 1
    
19. 2B002 .
    
20. 2A003 .
    
21. 2B003 .
    
22. 2A004 1
    
23. 2B004 .
    
24. 2A005 1
    
25. 2B005 .
    
26. 2A006 .
    
27. 2B006 .
    
28. ;
    
29. run;

复制代码

筛选后数据集

1. ID  GROUP
   
2. 1A001 1
   
3. 1B001 .
   
4. 1A002 1
   
5. 1B002 .
   
6. 1A004 1
   
7. 1B004 .
   
8. 1A005 1
   
9. 1B005 .
   
10. 2A001 1
    
11. 2B001 .
    
12. 2A002 1
    
13. 2B002 .
    
14. 2A004 1
    
15. 2B004 .
    
16. 2A005 1
    
17. 2B005 .

复制代码

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：Group cards Input Data 原始数据 记录

data a;
input id $ group;
tmp=compress(id,'','kd');
cards;
1A001 1
1B001 .
1A002 1
1B002 .
1A003 .
1B003 .
1A004 1
1B004 .
1A005 1
1B005 .
1A006 .
1B006 .
2A001 1
2B001 .
2A002 1
2B002 .
2A003 .
2B003 .
2A004 1
2B004 .
2A005 1
2B005 .
2A006 .
2B006 .
;
run;


data res;
set a;
retain s;
by tmp notsorted;
if first.tmp then s=0;
s+group;
if s>0 then output;
drop tmp s;
run;

1. data a;
   
2. input id $5. group;
   
3. cards;
   
4. 1A001 1
   
5. 1B001 .
   
6. 1A002 1
   
7. 1B002 .
   
8. 1A003 .
   
9. 1B003 .
   
10. 1A004 1
    
11. 1B004 .
    
12. 1A005 1
    
13. 1B005 .
    
14. 1A006 .
    
15. 1B006 .
    
16. 2A001 1
    
17. 2B001 .
    
18. 2A002 1
    
19. 2B002 .
    
20. 2A003 .
    
21. 2B003 .
    
22. 2A004 1
    
23. 2B004 .
    
24. 2A005 1
    
25. 2B005 .
    
26. 2A006 .
    
27. 2B006 .
    
28. ;
    
29. run;
    
30. 
    
31. data b;
    
32.      set a(rename=(id=id1 group=group1) where=(group1=1));
    
33.         n = _n_;
    
34.         do p = n to nobs;
    
35.           set a nobs=nobs point = p;
    
36.           if compress(id1,"AB") = compress(id, "AB") then output;
    
37.         end;
    
38.    drop id1 group1 n;
    
39. run;

复制代码

ziyenano 发表于 2013-11-20 10:50
data a;
input id $ group;
tmp=compress(id,'','kd');

单纯例子数据可以实现，但是，如果group是字符型或多值的话，本过程无能为力，谢谢回复。

yongyitian 发表于 2013-11-20 10:53

不错，在group值不同及ID的区分组别不同时均可以实现。不过效率稍低，实际运行时间长些。

Rock2000 发表于 2013-11-20 16:38
单纯例子数据可以实现，但是，如果group是字符型或多值的话，本过程无能为力，谢谢回复。

你稍微修改一下不就好了

其实，有更笨的方法，先建立一个真正的配对号IID，再通过中间过程可以找到匹配记录，因为中间过程过多，在实际情况下，如果数据集很大，占用临时就比较大，但是因为是数据步过程，效率似比#4楼还高些。

程序如下

1. data a;
   
2. input id$ group;
   
3. cards;
   
4. 1A001 1
   
5. 1B001 .
   
6. 1A002 1
   
7. 1B002 .
   
8. 1A003 .
   
9. 1B003 .
   
10. 1A004 1
    
11. 1B004 .
    
12. 1A005 1
    
13. 1B005 .
    
14. 1A006 .
    
15. 1B006 .
    
16. 2A001 1
    
17. 2B001 .
    
18. 2A002 1
    
19. 2B002 .
    
20. 2A003 .
    
21. 2B003 .
    
22. 2A004 1
    
23. 2B004 .
    
24. 2A005 1
    
25. 2B005 .
    
26. 2A006 .
    
27. 2B006 .
    
28. ;
    
29. run;
    
30. 
    
31. 
    
32. data a1; set a;
    
33. if group=1;
    
34. iid=SUBSTR(ID,1,1)||SUBSTR(ID,3,3);
    
35. run;
    
36. 
    
37. data b1; set a;
    
38. if SUBSTR(ID,2,1)="B";
    
39. iid=SUBSTR(ID,1,1)||SUBSTR(ID,3,3);
    
40. drop group;
    
41. run;
    
42. 
    
43. proc sort data=a1; by iid; run;
    
44. proc sort data=b1; by iid; run;
    
45. 
    
46. data b2;
    
47. merge a1 b1;
    
48. by iid;
    
49. if group=. then delete;
    
50. run;
    
51. 
    
52. data c; set a1 b2; run;

复制代码

ziyenano 发表于 2013-11-20 16:53
你稍微修改一下不就好了

对的。

Rock2000 发表于 2013-11-20 16:41
不错，在group值不同及ID的区分组别不同时均可以实现。不过效率稍低，实际运行时间长些。

效率稍低是因为多次读入数据.　

看看这样效率如何, 只是要多加一个变量.
data a1;
    set a;
    ID_temp = compress(ID, 'AB');
run;

proc sort data=a1;
   by ID_temp ID;
run;

data b1;
    merge a1(where=(group=1) in=ina) a1(in=inb);
    by ID_temp;
    if ina;
run;

yongyitian 发表于 2013-11-20 22:46
效率稍低是因为多次读入数据.　

看看这样效率如何, 只是要多加一个变量.

对，这个高效多了，不用对每一条记录判断。