SAS忘備録: [▼ 連番をふる

ラベル [▼ 連番をふる の投稿を表示しています。すべての投稿を表示

2014年2月13日木曜日

グループ間連番をふる方法

グループ間連番をふる方法を簡単に紹介。

サンプルデータ

data DT1;
input SUBJID$ VAL$;
cards;
001 a
001 b
005 c
005 d
005 e
010 f
010 g
;

データセット「DT1」
SUBJID VAL
001 a
001 b
005 c
005 d
005 e
010 f
010 g

求めたい結果
「SUBJID」毎の連番をふる。

SUBJID VAL SEQ
001 a 1
001 b 1
005 c 2
005 d 2
005 e 2
010 f 3
010 g 3

連番をふる

*** 方法1 **********;
proc sort data=DT1; by SUBJID; run;

data DT2;
set DT1;
by SUBJID;

if first.SUBJID then SEQ+1 ;
run;

*** 方法2 **********;
proc sort data=DT1; by SUBJID; run;

data DT2;
set DT1;
by SUBJID;

SEQ + first.SUBJID ;
run;

方法1もそんなに面倒な処理をしていないので、この方法でも良いけど、
方法2の方がスッキリしてるのでおすすめ。

📝注意点

今回のテクニックの中で使用している「FIRST.BY変数」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」）

2014年1月31日金曜日

行番号を取得する方法

基本的な方法や、あまり知られていない方法をいくつか紹介したいと思います。

*** サンプルデータ ;
data DT1;
input V$;
cards;
a
b
c
d
e
;

*** 行番号を取得 ;
data DT2;
set DT1;

* 方法① ;
OBSN1 + 1;

* 方法② ;
OBSN2 = _N_;

* 方法③ リファレンスに記載のない関数のため非推奨 ;
OBSN3 = monotonic();
run;

解説

方法①
「変数名 + 1」と書くと、前のオブザベーションの変数値を引き継いで、「+1」していってくれる。

方法②
「_N_」はSASの自動変数で、データステップの反復回数が格納されています。

データステップは内部の動きとして、オブザベーションの数だけ、データステップをぐるぐるとループ（反復）させています。

ループのたびに1オブザベーションずつ読み込んでいるイメージで、「_N_」はそのループ毎に「+1」した番号が入ります。

方法③ (リファレンスに記載のない関数のため非推奨)
MONOTONIC関数は方法①と同じような挙動をします。

注意事項

方法①～③は厳密には挙動が異なります。
たとえば以下のプログラム実行後、それぞれの方法での結果を見ると異なっています。

data DT3;
set DT1;
if V in ("a","c","e");

* 方法① ;
OBSN1 + 1;

* 方法② ;
OBSN2 = _N_;

* 方法③ ;
OBSN3 = monotonic();
run;

これは行番号を振るタイミングが異なるため。

方法①と③：

SET文・WHERE文で読み込まれたオブザベーションに対して番号を振るのですが、、

番号を振る前にサブセット化IF「if V in ("a","c","e")」が実行されていますよね。

このサブセット化IFにより処理が継続されたオブザベーションに対して、番号をふっています。

方法②（自動変数「_N_」）：

まずSET文・WHERE文で読み込むオブザベーションに対して、データステップがループ（反復）されますが、自動変数「_N_」は、各反復内でいち早く番号がふられます。

番号をふった後で、サブセット化IFにより処理が継続されなかったオブザベーションがあると、番号が連番にならなくなります。

MONOTONIC関数の注意点を追加。

monotonic関数でアイタタタ（データステップ100万回）

2013年12月27日金曜日

グループ内連番をふる方法。

グループ内連番をふる機会はすごく多いと思うので、まとめてみました。

サンプルデータ

data DT1;
input SUBJID$ V$;
cards;
001 a
001 b
001 c
002 x
002 y
;

求めたい結果
「SUBJID」毎に「V」の順番で連番をふる。

データステップで連番をふる

*** 方法1 **********;
proc sort data=DT1; by SUBJID V; run;

data OUT1;
set DT1;
by SUBJID V;

if first.SUBJID then SEQ=0;
SEQ+1;
run;

*** 方法2 **********;
proc sort data=DT1; by SUBJID V; run;

data OUT1;
set DT1;
by SUBJID V;

SEQ+1-first.SUBJID*SEQ;
run;

・方法1が一般的なやり方だと思う。
・方法2は仕組みを理解すれば1行で書けるのでおススメ。

📝注意点

今回のテクニックの中で使用している「FIRST.BY変数」は「サブセット化IF」と一緒に使用すると正しく動かない事があります。
（解説記事：「サブセット化IFでありがちな落とし穴」）