如何计算SAS中组内字符串变量的模式?
我可以在如何计算SAS中组内字符串变量的模式?,sas,proc-sql,Sas,Proc Sql,我可以在proc sql中使用子查询计算模式,但这是最简单的方法吗?此代码通过依赖于proc sql中的max函数来处理计算模式时可能出现的连接 ods html file = "sas_output.html"; data raw_data; input cust_id $ category $ amount; datalines; A red 72.83 A red 80.22 A blue 0.2 A blue 33.62 A blue 30.63 A gr
proc sql
中使用子查询计算模式,但这是最简单的方法吗?此代码通过依赖于proc sql
中的max
函数来处理计算模式时可能出现的连接
ods html file = "sas_output.html";
data raw_data;
input cust_id $
category $
amount;
datalines;
A red 72.83
A red 80.22
A blue 0.2
A blue 33.62
A blue 30.63
A green 89.04
B blue 10.29
B red 97.07
B red 68.71
B red 98.2
B red 1.79
C green 92.94
C green 0.96
C red 15.23
D red 49.94
D blue 75.82
E blue 20.97
E blue 78.49
F green 87.92
F green 32.29
;
run;
proc sql;
create table modes as
select cust_id, mean(amount) as mean_amount, category as mode_category
from (
select *, count(1) as count from raw_data group by cust_id, category
)
group by cust_id
having count=max(count)
order by cust_id;
quit;
data modes;
set modes;
by cust_id;
if first.cust_id then output;
run;
data final_data;
merge raw_data modes;
by cust_id;
run;
proc print data=final_data noobs;
title "final data";
run;
ods html close;
我试着像这样使用proc means
proc means data=raw_data;
class cust_id;
var category;
output out=modes mode=mode_category;
run;
但我得到错误“列表中的变量类别不匹配为此列表指定的类型”,因为
proc意味着不支持字符变量 SQL无疑是一种很好的方法。这是一个双精度的数据步解决方案。如果需要,也可以在同一步骤中使用此方法计算平均值
对数据进行排序,以便按组使用
proc sort data=raw_data;
by cust_id category;
run;
读取数据集一次,按客户id计算类别的每次出现次数。变量maxfreq
存储最高计数,变量mode
保留计数最高的类别。由于数据是按类别变量排序的,因此在出现断开连接的情况下,将返回按字母顺序排列的最高值
第二个循环输出第一个循环的值和模式
data want(drop=freq maxfreq);
do until (last.cust_id);
set raw_data;
by cust_id category;
if first.category then freq=0;
freq+1;
maxfreq=max(freq,maxfreq);
if freq=maxfreq then mode=category;
end;
do until (last.cust_id);
set raw_data;
by cust_id;
output;
end;
run;
我认为您的SQL方法很好。这是几个步骤,但也很容易遵循。除非你的数据集很大,而且你的问题是性能,否则我会保持现状。@RobertPenridge我可能会坚持使用SQL,尽管我也从下面的答案中学到了很多。性能不是问题,因为即使我的数据集有超过4亿个观察值,运行它只需要大约20分钟,这对我来说很好(这是一个数据准备步骤,所以只运行一次)。