sas - 如果变量值出现两次,则拆分数据集
问题描述
我想将数据集分成两个子集。我希望第一个子集包含 id 或 id1 值多次出现的所有行。
像这样,
data test;
input id id1 var1 $ var2 $;
datalines;
1 11 A B
2 22 C D
3 11 E F
3 12 G H
7 15 K L
3 13 M N
2 10 I J
8 16 P L
;;;;
run;
我希望子集是
1 11 A B
2 22 C D
3 11 E F
3 12 G H
3 13 M N
2 10 I J
和
7 15 K L
8 16 P L
我可以使用下面的代码,但效率不高,因为拆分时有两次通过数据集。还有其他选择吗?
proc sql;
create table DuplicateId as
select id from test
group by id
having count(id) > 1;
quit;
proc sql;
create table DuplicateID1 as
select id1 from test
group by id1
having count(id1) > 1;
quit;
proc sql;
create table split1 as
select * from test
where id not in (select id from DuplicateID) and id1 not in (select id1 from DuplicateID1);
quit;
proc sql;
create table split2 as
select * from test
where id in (select id from DuplicateID) or id1 in (select id1 from DuplicateID1);
quit;
解决方案
您的代码正在通过数据进行 4 次传递。一个用于查找每个单独 ID 变量的唯一(或重复)代码。每个输出数据集一个。您可以通过使用索引查找将最后一步减少到一次。
proc sql ;
create table dup1 (index=(id)) as
select id from test
group by 1 having count(*) > 1
;
create table dup2 (index=(id1)) as
select id1 from test
group by 1 having count(*) > 1
;
quit;
data single multiple;
set test;
set dup1 key=id / unique;
if _iorc_ then set dup2 key=id1 / unique;
if _iorc_ then output single;
else output multiple;
_error_=0;
run;
如果重复 id 的列表足够小以存储在内存中,您可以使用 HASH 对象在单次数据传递中生成两个重复列表。
然后,您可以将它们写回并使用上面的数据步骤进行拆分。或者只是使创建哈希对象的步骤再次重新读取数据集。
推荐阅读
- linux - 跳过获取配置文件'main/binary-i386/Packages'
- amazon-web-services - 如何在 AWS 上运行单次运行的非联网/非扩展 docker 应用程序
- javascript - 如何解决 Uncaught SyntaxError: Unexpected token < in JSON at position 0 console 错误?
- vue.js - v-cards 从顶部开始而不是垂直居中(Vuetify)
- erd - Common Data Model 中的 ERD 文件 - 如何打开?欧文/PowerDesigner?
- node.js - MeteorJS Mup 部署:挂在“node-pre-gyp WARN 使用 node-pre-gyp https 下载请求”
- amazon-web-services - AWS Managed Airflow - 如何在触发长时间运行的 lambda 时解决 350 秒超时
- python-3.x - 为什么记录器级别始终为零?我怎样才能得到真正的水平?
- javascript - 浏览器抛出 TypeError:无法读取未定义的属性“地图”
- eclipse - 导入源代码:无法安装 Gradle 发行版