在 SAS 中将长转换为宽答案

【问题标题】：Transpose long to wide in SAS在 SAS 中将长转换为宽
【发布时间】：2016-10-06 19:36:21
【问题描述】：

我有一个非常大的数据集（1800 万个观测值），我想通过基于一个变量的子集进行转置，并从这些子集中创建 900 个新变量。下面的示例代码和所需的输出格式：示例数据：

data long1 ; 
  input famid year faminc ; 
cards ; 
var1 96 40000 
var1 97 40500 
var1 98 41000 
var2 96 45000 
var2 97 45400 
var2 98 45800 
var3 96 75000 
var3 97 76000 
var3 98 77000 
; 
run;

代码：

proc transpose data = data; by famid; var faminc; run;

所需的输出格式：

由于我的数据集的大小，我想知道我是否使用 do 循环来查找每个 var 的第一个和最后一个观察结果，然后迭代子集。有谁知道实现所需输出格式的 sql 或 proc？

【问题讨论】：

您的问题是如何使proc transpose 工作，或者如何做比排序和proc 转置更有效的事情？
我会评论说，使用宽格式可能无济于事，几乎总是进一步处理长格式更容易。

标签： sas subset large-data

【解决方案1】：

这里是“数据准备分析”一书中经过良好测试的战斗宏的链接

您可以从 sas 社区 wiki 下载宏定义。

转到 http://support.sas.com/kb/32/121.html 用于从 WIDE 转置到 LONG，转到 http://support.sas.com/kb/32/122.html 用于从 LONG 转置到 WIDE。

有关“分析数据准备”的更多详细信息，请访问http://www.sascommunity.org/wiki/Data_Preparation_for_Analytics，您可以在其中下载本书的所有宏、程序和数据集。

希望有帮助

【讨论】：

【解决方案2】：

我不确定您的子集将基于什么，但如果它只是 id，它相当简单。

使用来自this ucla's page on proc sort 的示例，您的示例可以使用稍微修改的输入数据正常工作：

data long; 
  input id year faminc ; 
  datalines ; 
1 96 40000 
1 97 40500 
1 98 41000 
2 96 45000 
2 97 45400 
2 98 45800 
3 96 75000 
3 97 76000 
3 98 77000 
; 

proc sort data=long;
  by year;
run;

proc transpose data=long out=wide(drop=_name_) prefix=var; 
  by year; 
  var faminc; 
run;

结果

year var1  var2  var3 
96   40000 45000 75000 
97   40500 45400 76000 
98   41000 45800 77000

UCLA 的 SAS 帮助页面在双向使用 proc transpose 方面比 SAS 自己的要清楚得多。这里有 4 个有价值的链接...

Long to Wide with Proc Transpose
Wide to Long with Proc Transpose

Long to Wide with Data Step
Wide to Long with Data Step

【讨论】：

我没有意识到 OP 没有成功实现 transpose 步骤。感谢您指出这一点，知道如何proc transpose 是很重要的。

【解决方案3】：

使用array 语句可以轻松完成这样的转置步骤。您的代码示例如下：

data new (keep = year var1-var3);
  set data;
  by year;
  array vars {3} var1-var3;
  retain var1-var3;
  if first.year then i=1;
  else i+1;
  vars{i} = faminc;
  if last.year then output;
run;

但我没有 SAS 来仔细检查这一点。另见here。

PROC SQL 中没有好的转置过程。太有限了。

【讨论】：

感谢您的回复，非常有帮助。我的变量名实际上是没有一致命名约定的字符串，所以它们不是 var1-... 正如我在代码中所写的那样。数组技术是否适用于这种类型的数据？
是的，所需要的只是在数组语句中列出变量。如果您的数据集中有一个包含新变量名称的变量，proc transpose 具有 IDLABEL 和 ID 语句来创建变量名称。