HASHオブジェクトで、Key変数毎に最小値・最大値・合計値などを取得する方法

(コピペ利用するための、ほとんど個人的なメモ)



例

---

* Sample Data ; data DT1; input NO:$3. SEX:$1. AGE:8.; cards; 001 F 39 002 M 25 ;  NO・・・顧客ID  SEX・・・性別  AGE・・・年齢 data DT2; input NO:$3. FOOD:$10. PURDATE:yymmdd10.; format PURDATE yymmdd10.; cards; 001 ORANGE  2017/12/11 001 APPLE   2017/12/13 001 CHERRY  2017/12/10 002 ORANGE  2017/12/15 002 APPLE   2017/12/05 ;  NO・・・顧客ID  FOOD・・・購入食品  PURDATE・・・購入日

上のデータから、顧客ID毎に購入日の最小値を取得したいとします。

data OUT;     set DT1;     /* 購入データをHashオブジェクトに格納 */     if _n_=1 then do;         length PURDATE 8.;         call missing( PURDATE );         dcl hash purhash( dataset:"DT2", multidata:"y" );         purhash.definekey("NO");         purhash.definedata("PURDATE");         purhash.definedone();     end;     /* Hashオブジェクト内をループして、顧客IDごとの購入日の最小値を取得 */      rc = purhash.find();      if rc = 0 then MINDATE = PURDATE;      do while (rc = 0);           rc = purhash.find_next();           if rc = 0 then MINDATE = min( MINDATE, PURDATE );      end;      format MINDATE yymmdd10.;      keep NO SEX AGE MINDATE; run;

解説

---

まずHashの触りは以下記事を読むと理解しやすいです。

http://sas-boubi.blogspot.jp/2015/02/hash.html
(SAS忘備録：Hashオブジェクトを使おう)




かいつまんで解説

dcl hash purhash( dataset:"DT2", multidata:"y" );   purhash.definekey("NO");   purhash.definedata("PURDATE");   purhash.definedone();

まずはHashオブジェクトの定義から。

データセットDT2をHashオブジェクトに格納し、「multidata:'y'」で、Key値の重複を許しています。
変数NOをKey値、変数PURDATEをKey値に関連づける変数として定義しています。

rc = purhash.find();   if rc = 0 then MINDATE = PURDATE;

findメソッドでHashオブジェクト内をKey値で検索。
該当するKey値があったら、取得したPURDATEをMINDATEに格納。

do while (rc = 0);     rc = purhash.find_next();     if rc = 0 then MINDATE = min( MINDATE, PURDATE );   end;

find_nextメソッドで、Hashオブジェクト内の次のレコードを検索。

該当するKey値があったら、取得したPURDATEをMINDATEと比較し、最小日付をMINDATEに格納。

これをHashオブジェクト内に該当するレコードがなくなるまで、do whileでループしています。




一応今回やってることは、SQLやMEANSとかの方が楽に求められるけど、DATAステップ内で完結できるのが最大のメリットだと思います。

📝注意

記事の中で使用している「_N_」は「サブセット化IF」と一緒に使用すると正しく動かなくなる事があります。

（解説記事：「サブセット化IFでありがちな落とし穴」）