怎样从某数据集中抽取符合另一数据集数据值的所有变量

假设有某数据集A，变量如下
V1 v2 v3 v4
具体数据如下
V1       v2       v3         v4
张三   李四   王五        陈六
张二    王一  张三        陈一
陈六    王二  李四(1)   张二
张二    王一  张一       陈一
陈一   王一  张三(2)   李二

数据集B如下
V5
张三
李四

要求从数据集A中所有变量中，凡是符合数据集B变量V5中数据值中的所有记录，抽取到数据集C，得到数据集C如下：
V1       v2       v3         v4
张三   李四   王五        陈六
张二    王一  张三        陈一
陈六    王二  李四(1)   张二
陈一   王一  张三(2)   李二


我使用的程序是用Index()函数判断抽取，但如果数据集B的V5的数据很多，代码量就很多，是否可以SQL抽取，谢谢。

      x{j}=v5 recitify as index(x{j},compress(v5))

proc content 得到数据集A的所有变量名和个数n，依据个数写个proc sql循环，从where a.v1 in (select v5 from 数据集B) 开始，一直到Vn结束，生成N个数据集，再把N个数据集合并去重

wps930720 发表于 2019-11-20 10:57
proc content 得到数据集A的所有变量名和个数n，依据个数写个proc sql循环，从where a.v1 in (select v5 fr ...

能否写出具体的code吗？谢谢。

1. proc transpose data=b out=b1(drop_name_) prefix=n: var v5;run;
   
2. data a;set a;index=1; run;
   
3. data b1; set; index=1; run;
   
4. data ab; merge a b1; by index;run;
   
5. data abl;
   
6.     set ab;
   
7.     array v(*) vl-v4;
   
8.     array n(*) nl-n2;
   
9.     do i=1 to dim(v);
   
10.         do j= to dim(n);
    
11.             if compress(v[i], "(1234567890)")=n[j] then yes=1;
    
12.         end;
    
13.     end;
    
14.     drop i j;
    
15. run;
    
16. data ab2(drop=yes): set abl; if yes=1; run;

复制代码

gudingji 发表于 2019-11-25 09:50

不好意思，可能我举的例子不太详细，导致你的code不完全符合我的要求。

其实，我用index函数是可以完成我的要求的。
我重新把要求及我的code贴出来，看有无更好的code
数据集A
id v1$10. v2$ v3$ v4$;
1 张三   李四  王五    陈六
2 张二   王一  张三    陈一
3 陈六   王二  李四(1) 张二
4 张二   王一  张一    陈一
5 陈一   王一  张三(2) 李二
6 陈一   王一  张二    吴7
7 陈七、张三  吴六  李1  王二


数据集B
V5
张三
李四
吴7


要求：
从数据集A中所有变量中，凡是符合数据集B变量V5中数据值中的所有记录，抽取到数据集C

我使用index函数完成的code

1. data a;
   
2. input id v1$10. v2$ v3$ v4$;
   
3. cards;
   
4. 1 张三   李四  王五    陈六
   
5. 2 张二   王一  张三    陈一
   
6. 3 陈六   王二  李四(1) 张二
   
7. 4 张二   王一  张一    陈一
   
8. 5 陈一   王一  张三(2) 李二
   
9. 6 陈一   王一  张二    吴7
   
10. 7 陈七、张三  吴六  李1  王二
    
11. ;
    
12. run;
    
13. 
    
14. data c;
    
15. set a;
    
16. if index(v1,"张三")>0 or index(v2,"张三")>0 or index(v3,"张三")>0 or index(v4,"张三")>0   then yes=1;
    
17. if index(v1,"李四")>0 or index(v2,"李四")>0 or index(v3,"李四")>0 or index(v4,"李四")>0   then yes=1;
    
18. if index(v1,"吴7")>0  or index(v2,"吴7")>0  or index(v3,"吴7")>0  or index(v4,"吴7")>0    then yes=1;
    
19. if yes=1;
    
20. run;

复制代码

我的code中是没有直接用数据集B，是利用数据集B的所有记录内容来筛选，这里有个问题，如果数据集B的记录不是3个，而是很多，我就需要很多行code，所有我想优化此过程，怎样做到？

PROC SQL seems more simple and straightforward.

data a;
input v1 $ v2 $ v3 $ v4 $;
cards;
张三    李四   王五        陈六
张二    王一   张三        陈一
陈六    王二  李四(1)   张二
张二    王一  张一       陈一
陈一    王一  张三(2)   李二
;
run;

data b;
input V5 $;
cards;
张三
李四
;
run;


data c;
        set a;
        array x v1-v4;
        do i=1 to all;
        set  b  nobs=all point=i;
        do j=1 to dim(x);
        if x{j}=v5 then output;
        end;
        end;
        drop i j v5;
run;

proc sort data=c out=d nodup;
by v1-v4;
run;

wang1839 发表于 2019-12-3 10:56
data a;
input v1 $ v2 $ v3 $ v4 $;
cards;

谢谢

但你这个还是不对，是v1-v4中包含有v5的值，但v1-v4的值不一定是=v5的，比如，v3=张三（2），这是包含有“张三”，这里不是v3=v5。