SAS数据挖掘小技巧——转置

相似文件 换一批

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

转置大家肯定都会的吧，不就是transpose么，对吧。
那我先来简单介绍一下transpose这个proc；打开help文档搜索transpose proc 大家会发现transpose底下主要有这么几个设置；
by, id, var ;
好的，这几个是起啥作用的呢，一个个来看；
还是举例子吧，不然凭我的智商可能说不清楚：
先看看原始数据集是什么样子的 (见图p1)
注意这么几个variable：index，group，response：group只有两个变量，response是我们感兴趣的值，index就是_n_对吧，注意index是唯一的，但是group是1，2交替出现的，所以不会有一个index的值即对应group为1，又对应group为2，等下看看转置后的结果大家就明白了；

1. proc sort data=cluster.test out=test;by group;run;
   
2. proc transpose data=test out=test;
   
3. id index;
   
4. by group;
   
5. var response;
   
6. run;

复制代码

大家看看结果啊(见图p2)

id 说简单点就是新数据集的variable name，就是你新数据集的变量名称，所以一般会选index这种单一的变量，可以起到很好的标识作用；
by 就是分类进行转置，一般选的是group或者date（日期）这种分组的变量；
var 很简单，想转哪行就var哪行；
这样结果就出来了，就像我前面说的，index是唯一的，所以index=1的时候group=1有值，group=2就是缺失；后面也会有group=2有值，group=1为缺失的情况出现，图片可能看不到所以我解释一下，大家可以自己去试试；



好的，介绍完transpose我们可以进入正题了：

那就是大家真的要用transpose来进行转置么？答案是NO~~！！！

特别是真正在做数据的时候，很少会有人或者team会用transpose来做转置，除非是很小的数据集。当然，大家平时接触到的都可以归为很小的这一类，这也是大家经常用transpose的原因，事实上，我平时也很喜欢用，而且有时候transpose处理数据的效果非常的好，哼~~跑题了~~~

那处理传说中的大数据的时候，大家是怎么转置数据的呢？ 很简单不停的用循环和数组一行行或者一列列自己转，大家应该能看出来这样肯定会比transpose要快，因为你需要一行就导入一行来做，所以效果会很好。

但是用data步和do循环来做有一个前提，就是，你要对整个数据有充分的了解，而且在商业中大部分情况是把多个变量汇总到一个变量里面，所以这一题的情况并不适用，这么看来transpose要强大很多。

我简单举个使用do循环的例子吧，但是这个数据集是有要求的，也就是每个组的数据应该是一样多的，不然循环起来就会出错，前面给的例子group=2比group=1要多，我先把它们变得一样然后用循环来做一次；

1. proc sort data=cluster.test out=test;by group;run;
   
2. data test;
   
3. set test;
   
4. if _n_<=108;
   
5. run;
   
6. 
   
7. data test;
   
8. do i=1 to 54; /*每个组有54个数据*/
   
9. set test;
   
10. array tr[1:54] tr1-tr54;
    
11. tr(i)=response;
    
12. end;
    
13. keep group tr1-tr54;
    
14. run;

复制代码

大家可以看看结果(见图p3)
这个结果是不是比transpose的结果要好？？（那是因为我们前面用了id，如果去掉会怎么样？？？）

但是在实际的商业分析中，大部分时候转置是要把多个变量转置成一个，而不是要把一个变量转置成多个，因为多维的数据建模起来会更加的困难，所以大家都喜欢低维数据~~

那我们再把它变回来~

1. data test;
   
2. set test;
   
3. do i=1 to 54; /*每个组有54个数据*/
   
4. array tr[1:54] tr1-tr54;
   
5. response=tr(i);
   
6. output;
   
7. end;
   
8. drop tr1-tr54 i;
   
9. run;

复制代码

细心的同学肯定发现了，这里的set是在do外面的对么？
这就是行转列和列转行最大的区别了，因为一行转多列是逐行转的，所以我们要把set放在do里面，而多列转一行是一次导入在通过多个数组转的，所以我们可以把set 放在do外面一次性导入；（切记切记，如果转错了在数据量很大的时候可是很麻烦的一件事情哦），另外就是output的问题，一行转多列是不需要output的，而多列转一行是需要的；

我附上数据集test，大家可以自己去尝试，我自己是放在一开始的cluster目录下，大家自己放哪里就自己修改下，我就不在最前面再帮大家建个数据集了（这不是坑么？对吧。。。）

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16 回帖

关键词：数据挖掘 小技巧 Transpose response Variable 小技巧

通过循环转置，array数组可不可以放在循环外部呢？

仙人来也 发表于 2014-6-25 14:12
通过循环转置，array数组可不可以放在循环外部呢？

数组在这里起到的作是暂时保存数据的作用；
为什么要循环是因为你数组保存的数据都是暂时的，变量的数据才是output出来的，所以数组肯定是在循环里面的，因为你数组的内容是在变化的；
我是这么理解的

intheangel 发表于 2014-6-25 14:30
数组在这里起到的作是暂时保存数据的作用；
为什么要循环是因为你数组保存的数据都是暂时的，变量的数据 ...

原理不是很懂，但学习了。我用一个简单的数据集，用你的代码把array语句放在循环外面好像也能实现转置。还有你演示的不是把response一列转为两行吗，set也放在do里面？不知道我有没有理解错

仙人来也 发表于 2014-6-25 15:16
原理不是很懂，但学习了。我用一个简单的数据集，用你的代码把array语句放在循环外面好像也能实 ...

我在文章里说过了，你如果是多列转一行是一次性导入再通过多个数组来转的，所以set放在do外面。。。
行转列则刚好相反

您好，看到您的帖子很受益，可以把下面您的这段代码运行原理给我讲一下吗？真想搞明白，但是真心没搞明白，所以才向您请教，非常感谢啊~~~

data test;
do i=1 to 54; /*每个组有54个数据*/
set test;
array tr[1:54] tr1-tr54;
tr(i)=response;
end;
keep group tr1-tr54;
run;