如何从一个表，模糊匹配另一个表中的字段

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

如题：
数据集1 ：字段A :yanbiantuhao304用户列表与相关信息baseInfoTemplate12345
                           检测更新信息5201858161776108380手机型号ios7.1
数据集2：字段B: 用户列表与相关信息baseInfoTemplate

如果数据集2中的字段在数据1中查到了，则将B字段加入数据1中,否则为空，
结果为:
数据1
A            B
yanbiantuhao304用户列表与相关信息baseInfoTemplate12345     用户列表与相关信息baseInfoTemplate
检测更新信息5201858161776108380手机型号ios7.1  

求各位大神赐教。

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0 回帖

关键词：Template plate Late Info Base 如何

如果数据集 b 是 look-up table, 可以使用 Hash Object Merge

1. data a;
   
2.    length vara $20.;
   
3. input vara $;
   
4. datalines;
   
5. abcMMMMMxyz
   
6. 1123XXX0000
   
7. 1999yyy0000
   
8. 23456ZZZZZZ99999
   
9. ; run;
   
10. 
    
11. data b;                /* look-up table */
    
12.    length varb $20.;
    
13. input varb $;
    
14. datalines;
    
15. MMMMM
    
16. ZZZZZZ
    
17. ; run;
    
18. 
    
19. data c (rename=(varc=varb));
    
20.    if 0 then set b;
    
21.    length varc $20.;
    
22.    if _n_ = 1 then do;
    
23.        declare hash hh(dataset: 'b');
    
24.        hh.definekey('varb');
    
25.        hh.definedata('varb');
    
26.        hh.definedone();
    
27.        declare hiter hi('hh');
    
28.    end;
    
29.    do until(eof);
    
30.        set a end = eof;
    
31.           call missing (varc);
    
32.        do rc=hi.first() by 0 while (rc=0);
    
33.            if find(strip(vara), strip(varb)) then varc=varb;
    
34.            rc=hi.next();
    
35.        end;
    
36.        output;
    
37.    end;
    
38. drop rc varb;
    
39. run;

复制代码

对楼主的意思不太明白。如果需要模糊匹配的话，spedis（）这个函数可以用，不过这个函数计算匹配度是从前往后算的，就是前面的字符约匹配，则模糊匹配出来的值就越小（越小越好）。
但是就楼主的例子而言，直接用Index（）函数匹配就可以了，不需要模糊查找。楼主可以举一个别的例子看看吗？

还有，想请教一下，此处为何要使用Hash?
                                                                                                                                       
                                                                                                                                       
data a;                                                                                                                                
length vara $20.;                                                                                                                       
input vara $;                                                                                                                           
datalines;                                                                                                                              
abcMMMMMxyz                                                                                                                             
1123XXX0000                                                                                                                             
1999yyy0000                                                                                                                             
23456ZZZZZZ99999                                                                                                                        
;                                                                                                                                       
run;                                                                                                                                    
                                                                                                                                       
data b;                /* look-up table */                                                                                             
   length varb $20.;                                                                                                                    
input varb $;                                                                                                                           
datalines;                                                                                                                              
MMMMM                                                                                                                                   
ZZZZZZ                                                                                                                                 
; run;                                                                                                                                 
                                                                                                                                       
proc sql;                                                                                                                              
create table c as select vara,varb                                                                                                      
from a,b                                                                                                                                
where index(STRIP(a.vara),STRIP(b.varb))>=1;                                                                                            
quit;                                                                                                                                   
                                                                                                                                       
/*或者*/                                                                                                                                
proc sql;                                                                                                                              
create table c as select vara,varb                                                                                                      
from a                                                                                                                                 
left join b                                                                                                                             
on index(STRIP(a.vara),STRIP(b.varb))>=1;                                                                                               
quit;

changgz 发表于 2013-12-29 10:58
对楼主的意思不太明白。如果需要模糊匹配的话，spedis（）这个函数可以用，不过这个函数计算匹配度是从前往 ...

上面的 hash　join　等同于　sql left join.
如果没有　call missing(varc).　这句,　就是　inner　join.
把find()改成index() 可以得到同样的结果.

1. data ccc1 (rename=(varc=varb));
   
2.    if 0 then set b;
   
3.    length varc $20.;
   
4.    if _n_ = 1 then do;
   
5.        declare hash hh(dataset: 'b');
   
6.        hh.definekey('varb');
   
7.        hh.definedata('varb');
   
8.        hh.definedone();
   
9.        declare hiter hi('hh');
   
10.    end;
    
11.    do until(eof);
    
12.        set a end = eof;
    
13.           call missing (varc);
    
14.        do rc=hi.first() by 0 while (rc=0);
    
15.            if index(STRIP(vara),STRIP(varb))>=1 then varc=varb;
    
16.            rc=hi.next();
    
17.        end;
    
18.        output;
    
19.    end;
    
20. drop rc varb;
    
21. run;

复制代码

yongyitian 发表于 2013-12-29 11:23
上面的 hash　join　等同于　sql left join.
如果没有　call missing(varc).　这句,　就是　inner　join ...

多谢了。
请问在什么情况下会想到使用Hash呢？

changgz 发表于 2013-12-29 11:30
多谢了。
请问在什么情况下会想到使用Hash呢？

楼主的数据集２　貌似一个　look-up table.  datastep　merge　需要有一个 by variable.　因为没有其他变量，不知如何用 data step merge or update.

多谢了

[em17][em17][em17][em17][em17][em17][em17][em17]