Re: [程式] SAS 字串搜尋
Hello, 這個東西剛好跟我最近在寫的程式-perl regular expression有些雷同之處,
也可以參考看看.
datasets ref:
123
abc
dEf
456
datasets match: ( 如果考慮case問題,應該會選到123,abc,123abc,DEF456)
123
Abc
def
abc
123abc
DEF456
先create reference string:
data ref1;
set ref end=eof;
retain pattern;
length pattern $200.; (可自行增加長度)
if _n_=1 then pattern=cats("/",a);
else pattern=cats(pattern,"|"),a);
if eof then do;
pattern=cats(pattern,"/");
output;
end;
run;
*把pattern merge回去;
proc sql;
create table test0 as
select a.match,b.pattern
from match as a,ref1 as b;
quit;
出來的datasets應該長這樣:
match pattern
123 /123|abc|dEf|456/
Abc /123|abc|dEf|456/
def /123|abc|dEf|456/
abc /123|abc|dEf|456/
123abc /123|abc|dEf|456/
DEF456 /123|abc|dEf|456/
後面就是perl regular expression的表示方式:
| 表示 or的意思,所以換句話說, 我利用prx找123或abc或dEf或456字串.
接著開始search:
data test1;
set test0;
patternid=prxparse(pattern); *把pattern讀入;
if prxmatch(patternid,strip(match)); *開始找字串;
run;
這樣就可以了. 如果妳想找non case-sensitive的話,妳就在pattern後面加上I即可:
pattern會變成 /123|abc|dEf|456/I
如果對prx有興趣可以goolge
An introduction to Perl Regular Expressions in SAS 9
或者是直接上sas的網站, 都是很好入門的工具
prx的功能相當的強大, 我也在摸索. 希望大家一起討論
請參考看看
謝謝
※ 引述《chien533 (謠指部總司令)》之銘言:
: ※ 引述《LinRungChuan (吉他手)》之銘言:
: : ------------------------------------------------------------------------
: : [軟體程式類別]:SAS
: : [程式問題]:資料處理
: : [軟體熟悉度]:一年
: : [問題敘述]:
: : 有兩張table (table A 跟table B)
: : 每張各有一個column (SubStr 在table A 跟 FullStr 在table B)
: : SubStr 裡面的資料 有些會是 FullStr 的部分字元, 該如何取出這些observation
: : 例如,
: : SubStr FullStr
: : abc pabcp
: : def ppdefppp
: : ghi pjklp
: : abcp
: : ppppabcpp
: : pmnop
: : defppp
: : 我想取出的資料為
: : pabcp
: : ppdefppp
: : abcp
: : ppppabcpp
: : defppp
: : 若是單一 一個幾串 我都用index找, 例如index(FullStr, 'abc')
: : 但一整個column index好像 不管怎麼回傳都是0, 也試過 用string array
: : 把array放到 index裡面 例如index(FullStr, Arr{1}) 但也是回傳0
: : 有人知道 用啥方式可以達到我要的table嗎
: : 感謝
: : -----------------------------------------------------------------------------
: 關鍵是那個當索引的Substr資料要轉置成橫的並且變成一個巨集變數:
: data temp1;
: input SubStr $;
: cards;
: abc
: def
: ghi
: ;
: proc transpose data=temp1 out=temp1_t; var SubStr; run;
: data temp1_t;
: set temp1_t;
: string = catx(" ", of col1-col3);
: call symput('string', string);
: run;
: 然後把他丟進主檔,利用scan變數去一個個把巨集變數裡面的各個索引抓出來跟每一個
: 主檔的資料作比對,並且分別存在不同的新變數裡面。然後把這些新變數加總,當總和
: 出現零的時候變數那筆資料沒有任何一部份的字串出現在索引裡面,因此可以刪除:
: data temp2;
: input FullStr $;
: cards;
: pabcp
: ppdefppp
: pjklp
: abcp
: ppppabcpp
: pmnop
: defppp
: ;
: data temp3;
: set temp2;
: string="&string";
: array a[3] idx1-idx3;
: do i = 1 to 3;
: a[i] = index(fullstr, scan(string, i));
: end;
: if mean(of idx1-idx3) ne 0;
: drop idx1-idx3 i;
: run;
: 這個作法有一個限制就是當索引轉置合併後太長,超過SAS容許的字串最大長度的話,
: 就必需要把索引拆成數份來分別處理。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 124.219.44.195
※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1431337097.A.191.html
※ 編輯: lsshno1 (124.219.44.195), 05/11/2015 17:39:38
※ 編輯: lsshno1 (124.219.44.195), 05/11/2015 17:41:47
討論串 (同標題文章)