Ejemplos: Fusión por correspondencia de datos

La fusión por correspondencia es una técnica poderosa para combinar conjuntos de datos SAS^©. Permite unir observaciones de dos o más conjuntos de datos en función de los valores de una o más variables comunes (variables BY). Los conjuntos de datos de entrada deben estar ordenados o indexados por las variables BY antes de la fusión. Este proceso puede compararse con una unión interna (INNER JOIN) en SQL cuando todos los valores de las variables BY coinciden y no hay duplicados. SAS^© conserva los valores de todas las variables en el vector de datos del programa, incluso si el valor falta o no está emparejado. Cuando se lee una observación final de un grupo BY en un conjunto de datos, SAS^© retiene sus valores para todas las variables únicas a ese conjunto de datos hasta que se hayan leído todas las observaciones de ese grupo BY en todos los conjuntos de datos. El número total de observaciones en el conjunto de datos final es la suma del número máximo de observaciones en un grupo BY de cualquiera de los conjuntos de datos.

Análisis de datos

Type : CREATION_INTERNE

Los ejemplos utilizan datos generados (datalines) o SASHELP.

1 Bloque de código

DATA STEP / PROC SORT Data

Explicación :
Este ejemplo ilustra una fusión por correspondencia simple donde la instrucción MERGE se usa con la instrucción BY para unir dos conjuntos de datos ('animal' y 'plant') basados en la variable común 'common'. Es una fusión uno a uno porque no hay valores duplicados para la variable BY en ninguno de los conjuntos de datos de entrada. Los conjuntos de datos se ordenan primero por 'common' antes de la fusión.

¡Copiado!

1	DATA animal;
2	INPUT common $ animal$;
3	DATALINES;
4	a Ant
5	b Bird
6	c Cat
7	d Dog
8	e Eagle
9	f Frog
10	;
11	RUN;
12
13	DATA plant;
14	INPUT common $ plant$;
15	DATALINES;
16	a Apple
17	b Banana
18	c Coconut
19	d Dewberry
20	e Eggplant
21	f Fig
22	;
23	RUN;
24
25	PROC SORT DATA=animal; BY common; RUN;
26	PROC SORT DATA=plant; BY common; RUN;
27
28	DATA matchmerge;
29	MERGE animal plant;
30	BY common;
31	RUN;
32	PROC PRINT DATA=matchmerge; RUN;

2 Bloque de código

DATA STEP / PROC PRINT Data

¡Copiado!

1	DATA one;
2	INPUT ID state$;
3	DATALINES;
4	1 AZ
5	2 MA
6	3 WA
7	4 WI
8	;
9	RUN;
10
11	DATA many;
12	INPUT ID city $ state$;
13	DATALINES;
14	1 Phoenix Ariz
15	2 Boston Mass
16	2 Foxboro Mass
17	3 Olympia Mass
18	3 Seattle Wash
19	3 Spokane Wash
20	4 Madison Wis
21	4 Milwaukee Wis
22	4 Madison Wis
23	4 Hurley Wis
24	;
25	RUN;
26
27	PROC SORT DATA=one; BY ID; RUN;
28	PROC SORT DATA=many; BY ID; RUN;
29
30	DATA three;
31	MERGE many one;
32	BY ID;
33	RUN;
34	PROC PRINT DATA=three noobs; RUN;
35	title;
36
37	DATA solution;
38	MERGE many(drop=state) one;
39	BY ID;
40	RUN;
41	PROC PRINT DATA=solution noobs; RUN;

3 Bloque de código

DATA STEP / PROC SORT Data

¡Copiado!

1	DATA animalDupes;
2	INPUT common $ animal1$;
3	DATALINES;
4	a Ant
5	a Ape
6	b Bird
7	c Cat
8	d Dog
9	e Eagle
10	;
11	RUN;
12
13	DATA plantDupes;
14	INPUT common $ plant1$;
15	DATALINES;
16	a Apple
17	b Banana
18	c Coconut
19	c Celery
20	d Dewberry
21	e Eggplant
22	;
23	RUN;
24
25	PROC SORT DATA=animalDupes; BY common; RUN;
26	PROC SORT DATA=plantDupes; BY common; RUN;
27
28	DATA matchmerge;
29	MERGE animalDupes plantDupes;
30	BY common;
31	RUN;
32	PROC PRINT DATA=matchmerge; RUN;

4 Bloque de código

DATA STEP / PROC SORT Data

¡Copiado!

1	DATA animalMissing;
2	INPUT common $ animal1$;
3	DATALINES;
4	a Ant
5	c Cat
6	d Dog
7	e Eagle
8	;
9	RUN;
10
11	DATA plantMissing2;
12	INPUT common $ plant$;
13	DATALINES;
14	a Apple
15	b Banana
16	c Coconut
17	e Eggplant
18	f Fig
19	;
20	RUN;
21
22	PROC SORT DATA=animalMissing; BY common; RUN;
23	PROC SORT DATA=plantMissing2; BY common; RUN;
24
25	DATA matchmerge;
26	MERGE animalMissing plantMissing2;
27	BY common;
28	RUN;
29
30	PROC PRINT DATA=matchmerge; RUN;

5 Bloque de código

DATA STEP / PROC SORT Data

¡Copiado!

1	DATA animalMissing;
2	INPUT common $ animal$;
3	DATALINES;
4	a Ant
5	c Cat
6	d Dog
7	e Eagle
8	;
9	RUN;
10
11	DATA plantMissing2;
12	INPUT common $ plant$;
13	DATALINES;
14	a Apple
15	b Banana
16	c Coconut
17	e Eggplant
18	f Fig
19	;
20	RUN;
21
22	PROC SORT DATA=animalMissing; BY common; RUN;
23	PROC SORT DATA=plantMissing2; BY common; RUN;
24
25	DATA matchmerge2;
26	MERGE animalMissing(in=i) plantMissing2(in=j);
27	BY common;
28	IF (i=1) and (j=1);
29	RUN;
30	PROC PRINT DATA=matchmerge2; RUN;

6 Bloque de código

DATA STEP / PROC PRINT Data

¡Copiado!

1	DATA fruit;
2	INPUT ID $ fruit$;
3	DATALINES;
4	a apple
5	c apricot
6	d banana
7	e blueberry
8	c cantaloupe
9	c coconut
10	c cherry
11	c crabapple
12	c cranberry
13	;
14	RUN;
15
16	DATA color;
17	INPUT ID $ color$;
18	DATALINES;
19	a amber
20	b brown
21	b blue
22	b black
23	b beige
24	b bronze
25	c cocoa
26	c cream
27	;
28	RUN;
29
30	PROC SORT DATA=fruit; BY ID; RUN;
31	PROC SORT DATA=color; BY ID; RUN;
32
33	DATA merged;
34	MERGE fruit color;
35	BY id;
36	RUN;
37
38	PROC PRINT DATA=merged;
39	title 'Merged by ID';
40	RUN;

7 Bloque de código

DATA STEP / PROC PRINT Data

¡Copiado!

1	DATA one;
2	INPUT ID age score;
3	DATALINES;
4	1 8 90
5	1 . 100
6	1 . 95
7	2 9 80
8	2 . 100
9	;
10	RUN;
11
12	DATA two;
13	INPUT ID name $ age;
14	DATALINES;
15	1 Sarah 11
16	2 John 10
17	;
18	RUN;
19
20	PROC SORT DATA=one; BY ID; RUN;
21	PROC SORT DATA=two; BY ID; RUN;
22
23	DATA merge1;
24	MERGE one two;
25	BY id;
26	RUN;
27	PROC PRINT DATA=merge1; title 'Merged by ID'; RUN;
28
29	DATA merge2 (drop=temp_age);
30	MERGE one two;
31	BY id;
32	retain temp_age;
33	IF first.id THEN temp_age = .;
34	IF age = . THEN age = temp_age;
35	ELSE temp_age = age;
36	RUN;
37	PROC PRINT DATA=merge2; title 'Merged by ID with Age Retained'; RUN;

Este material se proporciona "tal cual" por We Are Cas. No hay garantías, expresas o implícitas, en cuanto a la comerciabilidad o idoneidad para un propósito particular con respecto a los materiales o el código contenidos en este documento. We Are Cas no es responsable de los errores en este material tal como existe ahora o existirá, ni We Are Cas proporciona soporte técnico para el mismo.

Retour à la liste