使用indsname计算变量频率

Question

我在多个数据集中有一个共同的列ID。现在我正在查找某些ID在这些数据集中出现的次数。即使在一个数据集中多次出现ID，数据集中的visit仍被计为1。

因此给出m数据集，对于任何ID，值visit在1和m之间。

理想输出：

ID # Visit 
222 5 
233 5 
556 3 
... 
... 
667 1 

数据集：（他们没有相同的前缀，这是一个例子）。

数据1：（＃的222访问是1，甚至出现两次）

ID col2 col3 ... 
21 
222 
222 

...

数据5：（＃的222访问是1）

ID col87 col12 ... 
222 
623 
126 

我不知道如何从这开始。它好像是一本词典遍历。

Answer 1

这不是测试，但沿线的东西应该工作：

/*Stack up all of your tables, keep 'ID' only*/ 
data have (keep=ID); 
set data: indsname=dsn; 
dsname = dsn; 
run; 

/*Proc SQL to get the job done*/ 
Proc sql; 
create table want as 
select ID, count(distinct dsname) as visit from have 
group by ID 
; 
quit; 

Answer 2

这里有一个数据步骤方法，假设所有数据集被编号的顺序排列。

基本上，你比较当前行到上一行的indsname值，如果它改变，增量次数由1.注意比平时的做法略有不同，以重新计数 - 我做后indsname检查，并1，之前不为0;这是因为在某些情况下，您可能会有两个具有不同indsname值的连续ID。由于我们不能在BY语句中使用INDSNAME，所以我们不能依赖SAS为我们“改变”值（就像我们使用嵌套的语句一样），所以我们必须按顺序执行它。

data data1; 
    do id = 1 to 20; 
    output; 
    end; 
run; 

data data2; 
    do id = 1 to 30 by 2; 
    output; 
    end; 
run; 

data data3; 
    do id = 1 to 30 by 3; 
    output; 
    end; 
run; 

data want; 
    set data: indsname=dsn; 
    by id; 
    count+ifn(dsn=lag(dsn),0,1); 
    if first.id then count=1; 
    if last.id then output; 
run;