【暂时关闭】贡献一个宏，用于从数据集中抽取不同的情况

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

暂时关闭，我觉得逻辑貌似有疏漏。。
----------------------------------------------------------------------------------

其实一直想写这么一个宏，今天得空写了一下，一开始觉得很难，着手写的时候发现其实挺简单。

目的：
用于从指定数据集中按组抽取代表情况。
这样，我们在对一个数据集进行某种规则时，可以先抽取一个全部情况的样本，看看自己的逻辑是否完备。

描述：
大伙都用过PROC SORT的nodupkey吧？他是按照给定的几个字段对数据集进行一条一条的去重；
可是有时我们需要对数据集进行一组一组的去重，以获得一个有代表性的样本数据集。

如下例：

id	group1	group2	value
1	1	1	1
1	2	1	2
1	3	1	3
1	3	2	4
1	4	1	5
1	5	1	6
2	11	1	7
2	22	2	8
2	33	3	9
3	1	1	10
3	2	1	11
3	3	1	12
3	3	2	13
3	4	1	14
3	5	1	15
4	11	1	16
4	22	2	17
4	33	3	18
5	11	0	19
5	22	2	20
5	33	3	21

这个例子，如果我们按照group1 + group2来看，id：1、2、5就可以代表这个数据集的不同情况
按照group1来看，id：1、2就可以代表这个数据集的不同情况。

程序：

1. %macro extract_sample(in = have, out = result, id = id, group = group1 group2);
   
2. proc sql;
   
3.         create table extract_sample1 as
   
4.                 select *, count(*) as extract_sample_N
   
5.                         from &in.(keep = &id. &group.)
   
6.                 group by &id.
   
7.                 order by &id., %sysfunc(tranwrd(%sysfunc(compbl(&group.)),%str( ),%str(,)))
   
8.                 ;
   
9. quit;
   
10. 
    
11. data extract_sample1;
    
12.         set extract_sample1;
    
13. 
    
14.         by &id.;
    
15. 
    
16.         retain extract_sample_id;
    
17.         if first.&id. then extract_sample_id = 1;
    
18.                 else extract_sample_id + 1;
    
19. run;
    
20. 
    
21. proc sort data = extract_sample1 out = extract_sample2 nodupkey;
    
22.         by extract_sample_N extract_sample_id &group.;
    
23. run;
    
24. 
    
25. proc sql;
    
26.         create table &out. as
    
27.         select * from &in.
    
28.         where &id. in (select &id. from extract_sample2)
    
29.         ;
    
30. quit;
    
31. 
    
32. proc datasets lib = WORK memtype = data nolist;
    
33.         delete extract_sample:;
    
34. quit
    
35. %mend extract_sample;
    
36. %extract_sample(in = have, out = result, id = id, group = group1 group2);

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0 回帖

关键词：数据集 NODUPKEY proc sql datasets extract 样本

Tigflanker 发表于 2015-12-15 20:34
其实一直想写这么一个宏，今天得空写了一下，一开始觉得很难，着手写的时候发现其实挺简单。

目的：

宏功能太强大啦

谢谢楼主，多多向你们学习

写这个程序的动机是：

对于某些临床试验的随访资料，每个病人一般来说都有（假说）7次访视，visit1 - visit7，
有些病人可能来不全，例如有一部分病人就是单单缺少访视3、访视4的资料，
也有些病人在访视5可能来了3次。

这个程序的祈愿就是能观察数据可能出现的情况，按照某种固定形式的数据，每个人各有不同，都有哪些变异，
下一步可能会考虑加上每组情况出现的频次；不过算法恐怕就不能这么简单了。

有个疑问：你这个例子是前面的ID把后面的ID给覆盖了，所以能去掉后面重复的ＩＤ。如果前面的组合比后面的小，则两个都会保留？

teqel 发表于 2015-12-17 11:26
有个疑问：你这个例子是前面的ID把后面的ID给覆盖了，所以能去掉后面重复的ＩＤ。如果前面的组合比后面的小 ...

我的例子有个变量是N，就是把每组的例数统计，保证在每组内进行的差异比较
不过我逻辑疏漏的是

ID	GROUP1	GROUP2	VALUE
1	1	1	1
1	2	a	2
1	3	s	3
2	1	1	4
2	2	q	5
2	3	w	6
3	1	1	7
3	2	a	8
3	3	w	9

这种的话，我的ID3就被ID1 + ID2吞掉了；
我觉得每组的组数加上group值已经可以突显出每组的特征，可惜还是会出现拼凑的状态。