SAS 使用来自一个观察值的值来覆盖不同的观察值

Question

我现在有一个包含两个主要变量的数据集 - Major 和 Major_Code。这些应该匹配 1 到 1，但是我需要修复一些错误，我发现对于 14 个 Major_Code 值，有两个不同的 Majors。这只是由于拼写或标点符号的变化，例如“ed”。和“教育”。它们在这里应该具有相同的值，但没有。

所以我有一张有 7 对的桌子。每对具有相同的 Major_Code 和不同的 Major。如何为每个代码选择一个主要值？我唯一的想法是通过 if-then 语句，但这似乎非常低效。

我发现双倍的值是这样的：

proc freq data=majorslist; 表 Major_Code/out=majorcodedups; 运行；

proc 打印数据=majorcodedups; 其中计数 > 1； 运行；

所以我可以很容易地找到这些观察结果，但无法提取某些值来覆盖另一个观察结果。我已经研究过数组、宏、sql 和转置，但现在这一切都让我有点想不通。

从逻辑上讲，它会这样工作：

从 obs i 到 n，在 obs i 处找到变量 x 的值，在 obs i 处将值输出到变量 y，转到 obs(i+1) 并重复。

Answer 1

假设您有一些规则可以确定哪个 MAJOR 对 MAJOR_CODE 是正确的，您应该这样做：

这假设 majorslist 是每个主要/主要代码对的数据集，无论是否唯一 - 但每个主要/主要代码对只有一个。

proc sort data=majorslist;
by major_code major;
run;

data majorslist_unique;
set majorslist;
by major_code major;
if first.major_code and last.major_code then output;
else do;
*rule to determine whether to output it or not;
end;
run;

所以，您现在有了 major_code/major 关系。假设您选择if first.major_code then output; 作为您的规则（即，采用major_code 与字母顺序的第一个主要值）。

现在，您需要将其应用于更大的数据集。有很多方法可以做到这一点 - 对于初学者来说，合并是一种，格式是另一种。格式如下：

创建一个定义了FMTNAME, START, LABEL 的数据集。对于MAJOR_CODE 的每个值，像这样构造一行，其中START 是MAJOR_CODE，LABEL 是MAJOR。我们还将添加一个额外的行，说明如何处理不匹配项（以防您获得 major_code 的新值）。

data for_fmt;
set majorslist_unique;
fmtname='MAJORF'; *add a $ if MAJOR_CODE is a character variable;
start=major_code;
label=major;
output;
if _n_=1 then do;
  hlo='o';
  call missing(start);
  label='NONMATCHED';
  output;
end;
keep fmtname start label hlo;
run;

proc format cntlin=for_fmt;
quit;

现在您有了一个格式，MAJORF.（或 $MAJORF.，如果 MAJOR_CODE 是字符），您可以在 PUT 语句中使用它。

data my_bigdata2;
set my_bigdata;
major = put(major_code,MAJORF.);
run;