SAS - 比较变量内容并标记变化

Question

我收到了一个扁平文件，该文件将有关重复 ID 记录的信息保留在其他变量中，而不是其他记录中。

例如，下面的数据集：

ResID   VarA   VarB
XAB2    Red    13
XAB2    Ylw    13
BGH3    Grn    14
FHT1    Prp    13
XAB2    Blu    13

被转为：

ResID   VarA_1   VarA_2   VarA_3   VarB_1   VarB_2   VarB_3
XAB2    Red      Ylw      Blu      13       13       13
BGH3    Grn                        14
FHT1    Prp                        13

如您所见，与 ID "XAB2" 关联的所有变量都平展为一条记录，因此可以保留所有信息，但数据集仍可作为人员级文件进行处理。

这很酷。但现在我需要调和重复之间的差异。

我目前计划在数据步骤中编写一系列非常无聊的 if/else if 语句，例如：

     if VarA_2 NE " " and VarA_2 EQ VarA_1 then FLAG_VarA_dup = 0;
else if VarA_2 NE " " and VarA_2 NE VarA_1 then FLAG_VarA_dup = 1;
else if VarA_3 NE " " and VarA_3 EQ VarA_2 then FLAG_VarA_dup = 0;
else if VarA_3 NE " " and VarA_3 NE VarA_2 then FLAG_VarA_dup = 1;
/*...etc. for all VarB occurrences, and all other variables in my very wide DS*/

一旦我标记了 dup 所在的变量，我就可以比较相关变量并决定保留或深入挖掘什么。但我忍不住认为有一种更优雅或更有效的方法可以做到这一点。我很想在这里学习一两件事。

有什么更好的解决方案建议吗？

Answer 1

如果您只想知道 VarA_# 中是否有除第一个值以外的任何值，则可以使用 tranwrd 和 countw 来验证这一点。 基本上，要求 SAS 将VarA_#设置为单个字符串，由您选择的分隔符分隔，然后使用 tranwrd 将第一个变量值的所有副本转换为 missing。 然后计算剩余字符串中的单词数 - 0 表示您只有第一个值，1 或更高表示您有一些不同的值。

data have;
  infile datalines truncover;
  input ResID   $ VarA_1   $ VarA_2   $ VarA_3   $ VarB_1   VarB_2   VarB_3;
datalines;
XAB2    Red      Ylw      Blu      13       13       13
BGH3    Grn       Grn       .         14       14
FHT1    Prp        .       .         13
;;;;
run;
data want;
  set have;
  array varA_[3];
  count_a = countw(catx(' ',of varA_[*]));
  count_a_diff = countw(tranwrd(catx(' ',of VarA_[*]),trim(varA_1),' '));
run;