从具有不同列的多个数据集创建模板数据集

Posted 2023-03-28

【中文标题】从具有不同列的多个数据集创建模板数据集

【英文标题】：Creating a template dataset from multiple datasets with different columns

【发布时间】：2013-07-17 08:56:18

【问题描述】：

目前，我想将几​​组业务单位数据放入标准模板格式中。一些业务单位数据包含其他人没有的列。我想检查某些列是否存在，如果不存在则创建它们。我知道实现类似功能的技术已经在前面讨论过，here 和here。但是，我想知道是否存在更好的方法。

我当前的代码是：

data Source_Data4;
set Interm.Source_Data3;
if 0 then do;
    a="";
    b=""; 
end;
run;

【问题讨论】：

我已经编辑了您的问题，使其不那么主观。如果您觉得我大大改变了您帖子的含义，请随时回滚或应用您自己的编辑。

我想指出，要使这一点产生任何显着差异，您需要一台速度非常慢的计算机，或者一个非常大的数据集。而且非常大，我猜测有数万亿条记录。我猜这个数字，但我相信有人可以证实它。您的时间可能最好花在优化其他地方。

太棒了，好多了。现在清理 cmets。

【参考方案1】：

使用 RETAIN 语句应该是执行此操作的最快和最简单的方法。如果您要检查的字段是数字，则输入 .而不是“”。

data Source_Data4;
set Interm.Source_Data3;
retain a b "";
run;

【讨论】：

RETAIN 将是最快的，因为它可以防止 SAS 在每次迭代时将变量设置为空。对效率的影响应该几乎为零。

【参考方案2】：

如果您有多个具有不同列的数据集，并且您想使用模板，那么执行此操作的一个很好的方法是：

data want;
if 0 then set template;
set have2;
run;

这比一堆保留/长度语句更容易编码。它完成了与保留解决方案相同的结果（它定义了 PDV），但有一个例外；它将基于template 定义变量的长度和格式（而保留不影响长度或格式）。这可能是可取的，也可能不是，取决于您的用例。在组合多个数据集时非常有用，因为它提供了一个可以测试长度/格式差异的点；一旦执行此步骤，您就可以确信您的各种数据集在可变长度/格式上都是相同的。

可以通过多种方式创建此数据集。一种简单的方法是：

data template;
if 0 then set have;
if 0 then set have2;
stop;
run;

这将创建一个空白数据集，其顺序为have1，后跟来自have2 的任何新变量。如果不希望这样做，您可能需要在从数据字典中提取的 if 0 之前添加一个 RETAIN 语句。