求教SAS程序

例如有两个数据集 a和b
a   id   startyear
    1    2005
    2    2003
    2    2005
    3    2002
    ....

b   id   country  startyear
     1     032       2004
     1     056       2006
     1     018       2003
     2     013       2001
     2     057      2003
     2     025      2005
     3     018      2003
     3     025      2004
     4     ....
如上两个数据集，都含有id，startyear代表开始进行某种行为的初始时间。
想得到的数据集：以数据集a为基础，个体1，开始行为时间为2005年，对应数据集b，找出数据集b中id有无在2005年前的数据，有则为1，且统计出个数，如b中个体1有两条在2005年前开始的记录（country为032和018）
want   id  startyear  ex  exnumber
          1    2005       1       2
          2    2003       1       1
          2    2005       1       2
          3    2002       0       0
          4    ....

试试双SET或者proc SQL非等值连接

420948492 发表于 2016-8-3 10:05
试试双SET或者proc SQL非等值连接

能否劳烦您写出程序呢？不大会呢

liuliuqiu 发表于 2016-8-3 10:07
能否劳烦您写出程序呢？不大会呢

上传一份样例数据吧

1. data a;
   
2. input  id   startyear;
   
3. cards;
   
4. 1    2005
   
5. 2    2003
   
6. 2    2005
   
7. 3    2002
   
8. ;
   
9. run;
   
10. 
    
11. data b;
    
12. input  id   country  startyear;
    
13. cards;
    
14. 1     032       2004
    
15. 1     056       2006
    
16. 1     018       2003
    
17. 2     013       2001
    
18. 2     057      2003
    
19. 2     025      2005
    
20. 3     018      2003
    
21. 3     025      2004
    
22. ;
    
23. run;
    
24. 
    
25. proc sql;
    
26. create table w as
    
27. select a.*,b.country,b.startyear as b_startyear from a left join b
    
28. on a.id=b.id and a.startyear>b.startyear;
    
29. quit;
    
30. 
    
31. proc sql;
    
32. create table wanted as
    
33. select id,startyear,(count(country)>0) as ex,count(country) as exnumber from w
    
34. group by id,startyear;
    
35. quit;

复制代码

数据量不是很大的话，PROC SQL的效率是没问题的，如果太大可以考虑使用双SET

1. data a;
   
2. input  id   startyear;
   
3. datalines;
   
4.     1    2005
   
5.     2    2003
   
6.     2    2005
   
7.     3    2002
   
8. ;
   
9. run;
   
10. 
    
11. data b ;
    
12. input  id   country  startyear;
    
13. datalines;
    
14.      1     032       2004
    
15.      1     056       2006
    
16.      1     018       2003
    
17.      2     013       2001
    
18.      2     057      2003
    
19.      2     025      2005
    
20.      3     018      2003
    
21.      3     025      2004
    
22. ;
    
23. run;
    
24. 
    
25. 
    
26. proc sql;
    
27. select a.id, a.startyear, count(b.startyear)>0 as ex,  
    
28.         count(b.startyear) as exnumber
    
29.         from a left join b
    
30. on a.id=b.id and a.startyear>b.startyear
    
31. group by a.id, a.startyear;
    
32. quit;

复制代码

data a;
input  id   startyear;
cards;
1    2005
2    2003
2    2005
3    2002
;
run;

data b;
input  id   country $  startyear;
cards;
1     032       2004
1     056       2006
1     018       2003
2     013       2001
2     057      2003
2     025      2005
3     018      2003
3     025      2004
;


data test;
set a;
  ex=0;
  exnumber=0;
do i=1 to nobs;
set b(rename=(id=id1 startyear=startyear1)) nobs=nobs point=i;
if id=id1 and startyear>startyear1 then do;
   ex=1;
   exnumber+1;
end;
end;
drop startyear1 id1;
run;

a.xlsx (57.45 KB)

2016-8-4 10:59:59 上传

b.xlsx (44.79 KB)

2016-8-4 10:59:50 上传

a和b中含有变量var country startyear。 var代表企业，country代表出口的国家，startyear表示企业对某国开始出口的时间。以a为基础，利用数据集b得到：企业在对某国出口之前，是否对其他国家进行过出口，并计算出口国家的个数。