如何用SAS 解决这一难题 频道节目单与收看 多对多的关系

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

现有两个表，一个表是节目单简称A表，变量是频道ID、频道名称、节目名称，节目播出日期，节目播出开始时间，节目播出结束时间。A表一个月的节目单有近10万条数据，如频道ID   频道名称    节目名称                                             节目播出日期 节目播出开始时间         节目播出结束时间

22201011	重庆卫视	车世界	2014-03-01	01MAR2014:11:40:04	01MAR2014:12:00:02
22201011	重庆卫视	TICO欢乐假日:阿U乐园:U爸的午餐	2014-03-01	01MAR2014:13:58:31	01MAR2014:14:02:59
22201011	重庆卫视	TICO欢乐假日:猪猪侠变身小英雄(48)	2014-03-01	01MAR2014:16:18:07	01MAR2014:16:36:30
21101011	浙江卫视	大丈夫(2)	2014-03-01	01MAR2014:13:22:26	01MAR2014:14:17:07
21101011	浙江卫视	浙江新闻联播	2014-03-01	01MAR2014:18:30:03	01MAR2014:18:52:58
21101011	浙江卫视	大丈夫(36)	2014-03-01	01MAR2014:20:23:10	01MAR2014:21:13:14
22501011	云南卫视	云南新闻联播	2014-03-01	01MAR2014:18:30:03	01MAR2014:18:55:03
22702041	西安文化影视	武林外传(68)	2014-03-01	01MAR2014:07:51:48	01MAR2014:08:52:17

B表（1个月30天数据有1亿4千万条）是收看直播的表 变量为 频道ID  频道名称 收看日期  收看频道开始时间 收看频道结束时间 如下

频道ID         频道名称     收看日期       收看频道开始时间        收看频道结束时间

40901221	东方购物	2014-03-01	01MAR2014:09:29:21	01MAR2014:09:29:45
22101011	旅游卫视	2014-03-01	01MAR2014:17:05:24	01MAR2014:17:05:33
22201011	重庆卫视	2014-03-01	01MAR2014:21:06:56	01MAR2014:21:07:03
20001071	CCTV-7	2014-03-01	01MAR2014:23:49:51	01MAR2014:23:50:13
20001141	CCTV-少儿	2014-03-01	01MAR2014:19:28:19	01MAR2014:19:28:35
20001141	CCTV-少儿	2014-03-01	01MAR2014:15:32:03	01MAR2014:17:56:58
20001081	CCTV-8	2014-03-01	01MAR2014:20:47:33	01MAR2014:20:47:44
20001041	CCTV-4	2014-03-01	01MAR2014:07:26:21	01MAR2014:07:51:26

现 想计算各节目的 收视时长，如节目单A表是3月1号播出的节目 在B表3月1号的 收视时长 如一个节目是否被收看有四种可能，单个节目可以算出来，但是如何批量计算，两个表的连接是多对多，HASH？ 请各大侠，大牛指教，小弟膜拜

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：节目单 如何用 cctv 重庆卫视 浙江卫视 重庆卫视 节目单 猪猪侠 英雄 频道

补充，A表节目单下有好多个频道，每个频道下面有好多节目，B表只有频道没有节目

1. /*令A表中变量分别命名为channel_id,channel_name,act_name,date_play,time_play,time_end*/
   
2. /*令B表中变量分别命名为channel_id,channel_name,date_look,time_look,channel_end*/
   
3. proc sql;
   
4. create table c as select date_play,act_name,max(sum(-max(time_play,time_look),min(time_end,channel_end)),0) as time_total from a,b
   
5.                                                                    where a.channel_name=b.channel_name and a.date_play=b.date_look;
   
6. quit;
   
7. /*最后得到的结果是按秒计算的，如果要得到小时的话，可以自行进行转换*/

复制代码

proc sql 因为数据量比较大，运行速度非常缓慢，有没有SAS 语言的解决方案

1. /*令A表中变量分别命名为channel_id,channel_name,act_name,date_play,time_play,time_end*/
   
2. /*令B表中变量分别命名为channel_id,channel_name,date_look,time_look,channel_end*/
   
3. proc sort data=a;by channel_name date_play;run;
   
4. proc sort data=b;by channel_name date_look;run;
   
5. data c;
   
6. merge a(in=a)  b(rename=(date_look=date_play)in=b);
   
7. by channel_name date_play;
   
8. if a and b;
   
9. time_total=max(sum(-max(time_play,time_look),min(time_end,channel_end)),0);
   
10. run;

复制代码

要确认几个信息:

1.B表应为流水表，需求的目的是将A表信息匹配到B表，匹配前后B表记录数应该不变。
2.A表的应该是由"频道id(等价于频道名称)"、"节目名称"、"播出日期"3个字段来保证唯一性的，如果出现一天同一频道播出同一节目2次的情况，
则还要加上"节目播出时间"来保证唯一性。
3.逻辑上A、B表应该用"频道id"、"收看日期/播出日期"进行关联，但由于B表没有节目信息，因此关联的结果会产生冗余(A表关于"频道id"、"播出日期"不唯一)。
4.要解决3.的问题必须加上一个逻辑，即：节目播出开始时间<=节目收看开始时间<=节目收看结束时间<=节目播出结束时间。

还要请搂住确认下以上是否成立，如成立我可以用hash方式来处理下。


刚才想了下，判断一个节目是否收看应该是[节目播出开始时间，节目播出结束时间]与[节目收看开始时间，节目收看结束时间]之间存在交集。。。搂主是不是这样。

楼上的果然是高手，是这样的，如果节目的播出时间，正好有收看时间与之对应，那这条记录就是想要的，经过考虑 收看的开始时间，结束时间，与节目的开始时间，结束时间有四种关系，这4种关系的时长正好是需要的，而其他不需要的关联的时候设置为零就可以了