Dataframe SAS汇总观察值不在一组中，按组
我有一个数据集：Dataframe SAS汇总观察值不在一组中，按组,dataframe,sas,Dataframe,Sas,我有一个数据集： data have; input group $ value; datalines; A 4 A 3 A 2 A 1 B 1 C 1 D 2 D 1 E 1 F 1 G 2 G 1 H 1 ; run; 第一个变量是组标识符，第二个变量是值 对于每个组，我需要一个新变量“sum”，该变量包含列中所有值的总和，除了观察值所在的组 我的问题是必须在近3000万次观测中做到这一点，因此效率很重要。 我发现使用数据步骤比使用过程更有效 最终的数据库应该如下所示： data
data have;
input group $ value;
datalines;
A 4
A 3
A 2
A 1
B 1
C 1
D 2
D 1
E 1
F 1
G 2
G 1
H 1
;
run;
data want;
input group $ value $ sum;
datalines;
A 4 11
A 3 11
A 2 11
A 1 11
B 1 20
C 1 20
D 2 18
D 1 18
E 1 20
F 1 20
G 2 18
G 1 20
H 1 20
;
run;
编辑：我不知道这是否有问题，但我给出的例子是我问题的简化版本。在实际情况中，我有另外两个组变量，因此取整列的和并减去组中的和不是一个可行的解决方案。我将把它分成两个不同的部分： 1.）您可以从使用PROC SQL获取组的总和开始
2.）然后使用一些IF/Then语句按组重新分配值我将其分为两个不同的部分： 1.）您可以从使用PROC SQL获取组的总和开始 2.）然后使用一些IF/Then语句按组重新分配值 列中所有值的总和，观察值所在的组除外 指示必须进行两次数据传递：
all\u sumgroup\u sum哈希可以存储每个组的总和——通过指定的
suminc:.ref（）allsumallsumgroup\u sum从哈希中检索
group\u sumallsumdata want;
if 0 then set have; * prep pdv;
declare hash sums (suminc:'value');
sums.defineKey('group');
sums.defineDone();
do while (not hash_loaded);
set have end=hash_loaded;
sums.ref(); * adds value to internal sum of hash data record;
allsum + value;
end;
do while (not last_have);
set have end=last_have;
sums.sum(sum:sum); * retrieve groups sum. Do you hear the Dragnet theme too?;
sum = allsum - sum; * subtract from allsum;
output;
end;
stop;
run;
all\u sumgroup\u sum哈希可以存储每个组的总和——通过指定的
suminc:.ref（）allsumallsumgroup\u sum从哈希中检索
group\u sumallsumdata want;
if 0 then set have; * prep pdv;
declare hash sums (suminc:'value');
sums.defineKey('group');
sums.defineDone();
do while (not hash_loaded);
set have end=hash_loaded;
sums.ref(); * adds value to internal sum of hash data record;
allsum + value;
end;
do while (not last_have);
set have end=last_have;
sums.sum(sum:sum); * retrieve groups sum. Do you hear the Dragnet theme too?;
sum = allsum - sum; * subtract from allsum;
output;
end;
stop;
run;
直截了当的方法有什么错？无论你做什么，你都需要两次传球 像这样。我包含了额外的变量，以便您可以看到值是如何派生的
proc sql ;
create table want as
select a.*,b.grand,sum(value) as total, b.grand - sum(value) as sum
from have a
, (select sum(value) as grand from have) b
group by a.group
;
quit;
Obs group value grand total sum
1 A 3 21 10 11
2 A 1 21 10 11
3 A 2 21 10 11
4 A 4 21 10 11
5 B 1 21 1 20
6 C 1 21 1 20
7 D 2 21 3 18
8 D 1 21 3 18
9 E 1 21 1 20
10 F 1 21 1 20
11 G 1 21 3 18
12 G 2 21 3 18
13 H 1 21 1 20
proc sql ;
create table want as
select a.group, b.grand - sum(value) as sum
from have a
, (select sum(value) as grand from have) b
group by a.group
;
quit;
Obs group total sum
1 A 10 11
2 B 1 20
3 C 1 20
4 D 3 18
5 E 1 20
6 F 1 20
7 G 3 18
8 H 1 20
直截了当的方法有什么错？无论你做什么，你都需要两次传球 像这样。我包含了额外的变量，以便您可以看到值是如何派生的
proc sql ;
create table want as
select a.*,b.grand,sum(value) as total, b.grand - sum(value) as sum
from have a
, (select sum(value) as grand from have) b
group by a.group
;
quit;
Obs group value grand total sum
1 A 3 21 10 11
2 A 1 21 10 11
3 A 2 21 10 11
4 A 4 21 10 11
5 B 1 21 1 20
6 C 1 21 1 20
7 D 2 21 3 18
8 D 1 21 3 18
9 E 1 21 1 20
10 F 1 21 1 20
11 G 1 21 3 18
12 G 2 21 3 18
13 H 1 21 1 20
proc sql ;
create table want as
select a.group, b.grand - sum(value) as sum
from have a
, (select sum(value) as grand from have) b
group by a.group
;
quit;
Obs group total sum
1 A 10 11
2 B 1 20
3 C 1 20
4 D 3 18
5 E 1 20
6 F 1 20
7 G 3 18
8 H 1 20
关于“我发现使用数据步骤比使用过程更有效”，您尝试了什么代码？3000万行中有多少个不同的组？这不是为了这个特定的任务，我在计算大约6000万个观察值的计数变量，不记得两年前我使用的程序，因为我使用数据步骤完成了类似的任务。在我开始使用procs的时候，我花了至少2个小时才可以在不到30分钟的时间内对数据步骤做同样的事情。问题可能是RAM，计算是在RAM上只有8gb的服务器上进行的（不可能添加更多）。数据总是由
组进行预排序吗？多个分组变量如何改变您想要的？您是说在这种情况下需要多个和变量吗？关于“我发现使用数据步骤比使用过程更有效。”您尝试了什么代码？3000万行中有多少个不同的组？这不是为了这个特定的任务，我在计算大约6000万个观察值的计数变量，不记得两年前我使用的程序，因为我使用数据步骤完成了类似的任务。在我开始使用procs的时候，我花了至少2个小时才可以在不到30分钟的时间内对数据步骤做同样的事情。问题可能是RAM，计算是在RAM上只有8gb的服务器上进行的（不可能添加更多）。数据总是由组进行预排序吗？多个分组变量如何改变您想要的？你是说在这种情况下需要多个和变量吗？谢谢你的回答。它在最小的示例中非常有效，但是我在多个组中使用它时遇到了问题。在我的例子中，我有3个级别的组，第一个级别是年，然后是区域，最后是区域内的组。datastep开头的简单by语句不起作用，因为在do-while循环中，它取整个数据库的总和。您知道如何修改代码以允许更多级别的组吗？请更改defineKey
语句以列出所有组变量，sums.defineKey（'byvar1'，'byvar2'，'byvar3'）