SQLプロシジャのDISTINCTを使ったグループ毎のカウント。

SQLプロシジャのDISTINCTについては、「有害事象の発現例数と件数を簡単に出す。」で紹介済みですが、まだまだ魅力が伝わりきってないので再度紹介したいと思います。



サンプルデータ

---

data DT1; input CUST_ID$ NAME$ FOOD$; cards; 001 James BREAD 001 James CANDY 002 Alice BREAD 002 Alice CANDY 002 Alice CANDY ;  CUST_ID   NAME   FOOD   001  James  BREAD   001  James  CANDY  002  Alice  BREAD  002  Alice  CANDY  002  Alice  CANDY

サンプルは、顧客ID（CUST_ID）で管理されたお客さん（NAME）が購入した食べ物（FOOD）を記録したデータだとします。

やりたい事

---

このデータから、以下の集計をしたい。
↓↓食べ物（FOOD）毎の「購入者数（C1）」と「購入者の全購入数（C2）」

FOOD	C1	C2
BREAD	2	2
CANDY	2	3

こういった集計は、SQLのDISTINCTを使えば一発です。

proc sql;   create table OUT1 as   select  FOOD,              count( distinct CUST_ID ) as C1,              count( CUST_ID ) as C2   from DT1   group by FOOD; quit;

簡単に解説

• SQLのCOUNT関数： 引数が非欠損値のレコード数を求める
• DISTINCT： 関数の中に指定すると、引数の値から重複を除いたレコードを計算対象とする

つまり、食べ物（FOOD）毎に以下を求めています。

• count( distinct CUST_ID )： CUST_IDの値から重複を除いた非欠損値の数 ＝ 購入者の人数
• count( CUST_ID )： CUST_IDが非欠損値の数 ＝ 購入者の全購入数