Sql SAS数据每个人只能出现一次

下表列出了一些科目的组合

主题集1，主题集2，更多信息

1,1

1,2

1,3

2,2

2,3

2,4

3,1

3,3

3,2

4,1

我需要一种编程SAS的方法，这样每个主题都会恰好出现一次。例如，给出以下结果：

主题集1，主题集2，更多信息

1,2

2,4

3,3

---

4,1

您可以使用

proc-sql

执行此操作：

select distinct subjectSet1, SubjectSet2
from t;

---

您可以使用

proc sql

执行此操作：

select distinct subjectSet1, SubjectSet2
from t;

---

这个问题模棱两可。但如果你想从以下方面出发：

1,1
1,2
1,3
2,2
2,3
2,4
3,1
3,3
3,2
4,1

例如：

1,2
2,4
3,3
4,1

假设您的表Table1有两个名为Field1和Field2的字段，您需要一个PROC SQL，但第一个字段上只有一个distinct。 差不多

select distinct Field1
from Table1

或者，您也可以在PROC SORT中使用NODUPKEY执行相同的操作：

proc sort data=Table1 NODUPKEY;
by Field1;
run;

data have;
   input subject somevar;
   datalines;
1 1
1 2
1 3
2 2
2 3
2 4
3 1
3 3
3 2
4 1
run;

proc sort nodupkey data=have out=want;
   by subject;
run;

---

这个问题模棱两可。但如果你想从以下方面出发：

1,1
1,2
1,3
2,2
2,3
2,4
3,1
3,3
3,2
4,1

例如：

1,2
2,4
3,3
4,1

假设您的表Table1有两个名为Field1和Field2的字段，您需要一个PROC SQL，但第一个字段上只有一个distinct。 差不多

select distinct Field1
from Table1

或者，您也可以在PROC SORT中使用NODUPKEY执行相同的操作：

proc sort data=Table1 NODUPKEY;
by Field1;
run;

data have;
   input subject somevar;
   datalines;
1 1
1 2
1 3
2 2
2 3
2 4
3 1
3 3
3 2
4 1
run;

proc sort nodupkey data=have out=want;
   by subject;
run;

---

假设您尝试随机选择样本，使每个主题在每个位置最多出现一次，则有一种解决方案如下：

data have;
infile datalines dlm=',';
input SubjectSet1  SubjectSet2;
rannum=ranuni(10);
datalines;
1,1
1,2
1,3
2,2
2,3
2,4
3,1
3,3
3,2
4,1
;;;;
run;

proc sort data=have;
by rannum;
run;

data want;
set have;
length subj1list subj2list $32767;
retain subj1list subj2list '|';
*if the current record is not in either of the subject lists, then...;
if not find(subj1list,cats('|',SubjectSet1,'|'))
and not find(subj2list,cats('|',SubjectSet2,'|'))
then do;
    *add it to each of the lists and output into the want dataset;
    subj1list=cats(subj1list,SubjectSet1,'|');
    subj2list=cats(subj2list,SubjectSet1,'|');
    output;
end;
drop subj1list subj2list;
run;

我添加一个随机数，按它排序，然后使用一对字符变量作为简单的哈希表来存储先前选择的应答者。此解决方案速度相当快，但有局限性，特别是SAS中的最大字符大小（32767），因此它不能用于超过几千条记录

---

更好的解决方案是使用实际的哈希表，但我不确定这是否过于复杂。如果此解决方案因样本量问题而无法正常工作，则可以轻松编写。

假设您尝试随机选择样本，使每个主题在每个位置最多出现一次，则有一种解决方案如下：

data have;
infile datalines dlm=',';
input SubjectSet1  SubjectSet2;
rannum=ranuni(10);
datalines;
1,1
1,2
1,3
2,2
2,3
2,4
3,1
3,3
3,2
4,1
;;;;
run;

proc sort data=have;
by rannum;
run;

data want;
set have;
length subj1list subj2list $32767;
retain subj1list subj2list '|';
*if the current record is not in either of the subject lists, then...;
if not find(subj1list,cats('|',SubjectSet1,'|'))
and not find(subj2list,cats('|',SubjectSet2,'|'))
then do;
    *add it to each of the lists and output into the want dataset;
    subj1list=cats(subj1list,SubjectSet1,'|');
    subj2list=cats(subj2list,SubjectSet1,'|');
    output;
end;
drop subj1list subj2list;
run;

我添加一个随机数，按它排序，然后使用一对字符变量作为简单的哈希表来存储先前选择的应答者。此解决方案速度相当快，但有局限性，特别是SAS中的最大字符大小（32767），因此它不能用于超过几千条记录

---

更好的解决方案是使用实际的哈希表，但我不确定这是否过于复杂。如果此解决方案因样本量问题而无法正常工作，则可以轻松编写。

如果您确实不在乎要保留哪一行，则可以使用PROC SORT的NODUPKEY选项：

proc sort data=Table1 NODUPKEY;
by Field1;
run;

data have;
   input subject somevar;
   datalines;
1 1
1 2
1 3
2 2
2 3
2 4
3 1
3 3
3 2
4 1
run;

proc sort nodupkey data=have out=want;
   by subject;
run;

---

这将产生一个输出数据集，其中包含

主题的唯一观察结果。对于
BY
变量的不同值，保留的行将是源数据中出现的第一行。小心使用，确保这是你真正想要做的
 如果你真的不在乎要保留哪一行，你可以使用PROC SORT的NODUPKEY选项：

proc sort data=Table1 NODUPKEY;
by Field1;
run;

data have;
   input subject somevar;
   datalines;
1 1
1 2
1 3
2 2
2 3
2 4
3 1
3 3
3 2
4 1
run;

proc sort nodupkey data=have out=want;
   by subject;
run;

这将产生一个输出数据集，其中包含
主题的唯一观察结果。对于
BY
变量的不同值，保留的行将是源数据中出现的第一行。小心使用，确保这是你真正想要做的
 我认为这不可行，因为它将返回所有原始数据集…我认为这不可行，因为它将返回所有原始数据集…您选择subject1/2对的规则是什么？你是如何选择“1,2”而不是“1,1”或“1,3”的？你选择主题1/2对的规则是什么？你如何选择“1,2”而不是“1,1”或“1,3”？请注意，你不一定会得到你在原始帖子中要求的行，也不会总是得到4-例如，将拉努尼的种子从10改为7，你会得到3，因为subjectset2中的某行在4,1可用之前选择了1。请注意，您不一定会得到您在原始帖子中要求的行，也不会总是得到4-例如，将Ranui中的种子从10更改为7，您将得到3，因为subjectset2中带有1的某行在4,1变为可用之前被选中。