统计图中节点/边的SAS数据步

假设我有一个名为

links

的数据集中表示的有向图，它有两个变量：

from\u id

和

to\u id

。我想使用SAS数据步骤做两件事：（1）计算节点的数量，（2）计算边的数量

假设

链接

数据集如下所示

from_id    to_id
----------------
   1         2
   2         3
   3         1
   3         2

在本例中，有3个节点和4条边。（我们可以假设

链接中没有重复的边。节点为1、2和3。边是1->2、2->3、3->1和3->2

下面是一个SAS宏，它结合使用SAS数据步骤和proc sql来计算节点和边。它工作得很好，但我希望使用SAS数据步骤，以便（可能）更快地计算节点和边

/* display number of nodes and edges for graph */
%macro graph_info(links);
data nodes;
    set &links;
    node_id = from_id;
    output;
    node_id = to_id;
    output;
    keep node_id;
run;

proc sql noprint;
    select count(distinct node_id) into :numNodes from nodes;
quit;
proc datasets lib=work nolist;
    delete nodes;
quit;

proc sql noprint;
    select count(*) into :numEdges from &links;
quit;

%put Nodes: &numNodes;
%put Edges: &numEdges;
%mend;

如果您有足够的内存，您可以使用散列对象来实现这一点

data _null_;
  set links end=lastrec;
  format node_id 8.;
  if _N_ eq 1 then do;
    declare hash h();
    h.defineKey("node_id");
    h.defineDone();
  end;
  node_id = from_id;
  rc=h.find();
  if rc ne 0 then h.add();
  node_id = to_id;
  rc=h.find();
  if rc ne 0 then h.add();
  if lastrec then do;
    call symput('numLinks', put(h.num_items, 8. -L));
    call symput('numEdges', put(_N_, 8. -L));
  end;
run;

请注意：此代码未经测试，因为我手头没有SAS安装。然而，基本想法应该是可行的。迭代数据步骤，将每个节点添加到哈希对象，并在最后一个对象上将宏变量设置为哈希对象的大小

data _null_;
  set links end=lastrec;
  format node_id 8.;
  if _N_ eq 1 then do;
    declare hash h();
    h.defineKey("node_id");
    h.defineDone();
  end;
  node_id = from_id;
  rc=h.find();
  if rc ne 0 then h.add();
  node_id = to_id;
  rc=h.find();
  if rc ne 0 then h.add();
  if lastrec then do;
    call symput('numLinks', put(h.num_items, 8. -L));
    call symput('numEdges', put(_N_, 8. -L));
  end;
run;

您可能有多少个节点？它们都适合内存吗？最多可容纳数亿个节点/边。数据集很容易达到10GB左右。虽然我可以访问内存更多的机器，但我的桌面客户端有8 GB的内存。如果它不适合内存，显然可以通过一个进程排序和一个数据步骤来完成。我要补充的两件事是：不要使用NOBS，因为如果数据集被修改，这可能会出错-使用N，这显然是安全的；和2：在添加节点之前，是否需要检查该节点是否存在于哈希中？否则您将添加重复的节点，我认为？我认为当您调用add（）时，重复的节点将被删除，所以这样应该可以。但是关于N的观点很好。我将编辑。
363rc=h.defineKey（node\u id）然后
错误：第363行第9列的未初始化对象。
No.add（）不会自动检查。测试后，我对您的代码进行了编辑-现在应该可以工作了（如果批准的话）。除此之外，你还有一些小的语法问题，我已经纠正了。太好了！只花了不到10分钟的时间，而之前我等待基于proc-sql的方法的时间超过了45分钟。再次感谢。