数据集如何做行与行之间的比较和整合

mingfeng07 发表于 2015-1-10 18:18

顺序复杂的情况好像解决不了？

例如：
A B 1
E E 2
C D 3
D A 4
E C 5

这5人都有直接或间接的亲属关系，出来的家庭号需要相同才行。

伊ò太ジ刀 发表于 2015-1-10 23:04
顺序复杂的情况好像解决不了？

例如：

想到一个无聊的办法：
1. 让x1和x2交换，就是总有x1<x2
2. 对x1进行sort

teqel 发表于 2015-1-10 23:15
想到一个无聊的办法：
1. 让x1和x2交换，就是总有x1

什么意思，不太明白呢，x1和x2不是数字，没有大小关系吧。就算是数字，交换后也不一定是x1<x2吧。

大神能说得详细点吗？

试试这个

1. data a;
   
2. input x1$ x2$  id;
   
3. cards;
   
4. A B 1
   
5. B C 2
   
6. C D 3
   
7. E F 4
   
8. G F 5
   
9. A B 1
   
10. E E 2
    
11. C D 3
    
12. D A 4
    
13. E C 5
    
14. ;
    
15. run;
    
16. 
    
17. 
    
18. data b(drop=i j num k1 k2 x1 x2 id);
    
19. array arr{7} A B C D E F G;
    
20. num=0;
    
21. do i=1 to tot;
    
22.         set a nobs=tot;
    
23.         do j=1 to 7;
    
24.                 if vname(arr[j])=(x1) then k1=j;
    
25.                 if vname(arr[j])=(x2) then k2=j;
    
26.         end;
    
27.         if missing(arr[k1]) and missing(arr[k2]) then
    
28.                 do;
    
29.                         num+1;
    
30.                         arr[k1]=num;
    
31.                         arr[k2]=num;
    
32.                 end;
    
33.         else if missing(arr[k1]) then arr[k1]=arr[k2];
    
34.         else if missing(arr[k2]) then arr[k2]=arr[k1];
    
35. end;
    
36. run;
    
37. 
    
38. proc transpose data=b out=c(rename=(_name_=Person col1=Family));
    
39. run;

复制代码

上面程序唯一的缺陷就是人名太多的时候要一一列举，可以用SQL+MACRO改进

伊ò太ジ刀 发表于 2015-1-10 23:04
顺序复杂的情况好像解决不了？

例如：

1. data a;
   
2. input x1 $   x2    $     id;
   
3. label x1="投保人" x2="被保人" id="单号";
   
4. cards;
   
5. A B 1
   
6. E E 2
   
7. C D 3
   
8. D A 4
   
9. E C 5
   
10. ;
    
11. run;
    
12. data a(drop=t);
    
13. set a;
    
14. if x1>=x2 then do;
    
15. t=x1;x1=x2;x2=t;
    
16. end;
    
17. run;
    
18. proc sort data=a;by x1;run;
    
19. data b;
    
20. length value $1000;
    
21. set a;
    
22. retain value '';
    
23. if indexc(value,compress(x1),compress(x2))=0 then t+1;
    
24. value=compress(value)||compress(x1)||compress(x2);
    
25. label x1="人员号" t="家庭号";
    
26. run;
    
27. data want;
    
28. set b(keep=x1 t) b(keep=x2 t rename=(x2=x1));
    
29. run;
    
30. proc sort data=want nodupkey;by x1;run;

复制代码

mingfeng07 发表于 2015-1-11 00:47

data a(drop=t);
set a;
if x1>=x2 then do;
t=x1;x1=x2;x2=t;
end;
run;

proc sort data=a;by x1;run;

这段很精妙，是关键的一步，之后proc sort是不是也应该要 sort by x1 x2才行？
而且好像下面这情况又出问题了：
A B      A B
E E      A D
D A =>A F
E F      E E
F A      E F
去到第4行E就会被判定为新家庭了？

teqel 发表于 2015-1-10 23:15
想到一个无聊的办法：
1. 让x1和x2交换，就是总有x1

1. 让x1和x2交换，就是总有x1<x2

这步好像挺关键，它的具体意义是什么？

伊ò太ジ刀 发表于 2015-1-10 20:21
要怎么写？

既然你问了，我就尝试写一下吧
data a;
  input g1 $ g2 $ x;
  cards;
A        B        1
B        C        2
C        D        3
E        F        4
G        F        5
;
run;

proc sort; by g1 g2; run;
data b;
  set a;
  retain str n; length str $200;
  array glst g1 g2;
  if count(str, g1, 't') = 0 and count(str, g2, 't') = 0 then do;
      n + 1;
          str = compbl(g1||g2||str);
          id = compress('0'||n);
          group = g1;output;
          group = g2;output;
  end;

  else do;
    do over glst;
      if count(str, glst, 't') = 0 then do;
            str = compbl(glst||str);
            id = compress('0'||n);
            group = glst;output;
      end;
    end;
  end;
  keep group id;
run;