两个数据集按照某个变量模糊匹配

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

一个数据集1中有一个变量 firmname                           
深圳市中兴通讯股份有限公司
上海邮通实业发展总公司

另一个数据集2中有变量
nameabr    stkcd
中兴通讯  000063


如何将数据集1和数据集2 合并在一起变成如下数据集

firmname                                  nameabr    stkcd
深圳市中兴通讯股份有限公司  中兴通讯   000063
上海邮通实业发展总公司

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：中兴通讯股份有限公司 股份有限公司 000063 中兴通讯 实业发展

需要分情况讨论：
1. 一者是另一者的子字符串（数学表达为子集）；
2. 两者仅有公共的子字符串（数学表达为存在交集）；
3. 两者在字符上毫不相干（数学表达为不相交）；

则在连接两个数据集时分情况处理：
1. 使用find函数即可，该函数可用于判断A是否为B的子集；
2. 使用compare函数(记不大清，应该是字符比较族函数)即可，该函数可用于判断字符串的编辑距离(求笛卡尔积，然后取编辑距离最小的)；
3. 增加中间数据集，使得两个原本不相交的集合分别与中间集相交，然后利用在中间集构造的映射关系完成匹配；

楼上大神回答的好高深，懵懂。 不知道是不是这样，或许我没理会楼主的意思 ？

whymath 发表于 2019-3-11 22:51
需要分情况讨论：
1. 一者是另一者的子字符串（数学表达为子集）；
2. 两者仅有公共的子字符串（数学表达 ...

我用过find这个函数，在proc sql过程中似乎不可行

直接给代码吧：

data a;

format firmname $100.;

input firmname;

cards;

深圳市中兴通讯股份有限公司

上海邮通实业发展总公司

;run;

data b;

format nameabr $50. stkcd $20.;

input nameabr stkcd;

cards;

中兴通讯  000063

;run;

data c;

set b;

format cmd_str $1000.;

cmd_str = "if find(firmname,'"||compress(nameabr)||"') then nameabr='"||compress(nameabr)||"';";

call symput("cmd"||compress(_n_),cmd_str);

run;

proc sql noprint;

select count(*) into :n_cmds from c;

quit;

%macro gencmd;

%do i = 1 %to &n_cmds.;

&&cmd&i..;

%end;

%mend;

data d;set a;

%gencmd;

run;

proc sql;

create table result as

select d.firmname,b.stkcd

from d left join b

on d.nameabr = b.nameabr

;quit;