SAS-如何计算一列中的类型

假设数据集如下所示

dossier_manager 
NameA   
NameA   
NameB   
NameC   
NameC   
NameC   
NameD   
NameD   
NameE   
NameF   

---

我想知道里面有多少不同的名字。我尝试了

proc freq

，但我在列中有太多不同的名称，这使得频率列表非常长。那么我怎样才能得到一个样本结果呢？与示例中的6（不同名称）类似。

在

proc sql

中，使用

count（不同的（档案管理器））

---

如果您需要一个示例，您可以

选择
档案管理器
的distinct
值，并使用
outobs=
限制输出中的行数。使用此代码还可以获得distinct名称和唯一计数

proc sql;
select distinct dossier_manager ,count(distinct dossier_manager)
from test;
quit;

尼尔

一种常见的方法是只报告前N个最常见的值和剩余值的摘要。考虑这个示例代码：

* fake data, 10,000 rows of a normally distributed variable. (ranuni would be quite flat);
data have;
  do row = 1 to 10000;
    my_char_var = cats('x',ceil (10 + 10*rannor(1234)));
    my_num_var = ceil (10 + 10*rannor(1234));
    output;
  end;
run;

* compute the raw frequency counts;
proc freq data=have noprint order=freq ;
  table my_num_var / out=counts ;
run;

* specify parameters for desired TOP N;
%let topN = 10;
%let REMAIN_N = 0;

* dow loop over all data, outputting top N freqs and accumulating the remainder;
data want(keep=my_num_var count percent); 
  do _n_ = 1 by 1 while (not end_flag);

    set counts end=end_flag;

    if _n_ > &topN then do;
      accumN + 1;
      accumCNT + count;
      accumPCT + percent;
    end;
    else OUTPUT;
  end;

  * output remainder counts if there are any - special missing value .R used to indicate REMAINDER bin;
  if accumN ne . then do;
    my_num_var = .R;
    * my_char_var = "*REMAIN*";
    count = accumCNT;
    percent = accumPCT; 
    output;
    call symputx ('REMAIN_N', accumN);
  end;

  stop;
run;

* create a custom format that will indicate how many distinct other values are not top N;
proc format; value REMAINING .R="Remaining (&REMAIN_N.)";
proc format; value $REMAINING "*REMAIN*"="Remaining (&REMAIN_N.)";

* apply custom format in PRINT procedure, this will override the format of the tabled variable;
proc print data=want;
  format my_num_var REMAINING.;
run;

输出

Obs      my_num_var      COUNT    PERCENT

  1                 9      398      3.98
  2                11      394      3.94
  3                 6      388      3.88
  4                 8      383      3.83
  5                 7      378      3.78
  6                10      374      3.74
  7                13      374      3.74
  8                14      366      3.66
  9                12      353      3.53
 10                17      350      3.50
 11    Remaining (64)     6242     62.42

对字符变量执行相同操作所需的小调整

小的逻辑更改可能会使您获得具有单个%>threshold的top N、具有累积%threshold的top N或具有累积如果您不想使用Proc SQL：

如果您只想获得项目的总数，请执行以下操作

--对数据应用Proc Freq，并将其放入SAS数据D1中
（使用OUT语句）

--然后在此数据（D1）上应用Proc contents数据，通过另一个OUT语句提取观察数

如果你想要这个的代码，请告诉我