Suppression de doublons et compilation de champs [Résolu]

[Baffien]

bonjour,

Voici mon interrogation :
J'ai une table SAS que je dois dédoublonner par email ; jusque là, une proc sort nodupkey aurait pu suffire mais c'est en fait une table issue d'un set de plusieurs tables dont voici le contenu simplifié :
Table1 :
Email ; VAR1
xxx@yah.fr ; 1
yyy@hotm.fr ; 1
zzz@yah.fr ; 1

Table2 :
Email ; VAR2
www@hotm.fr ; 2
yyy@hotm.fr ; 2

Table3 :
Email ; VAR3
vvv@yah.fr ; 3
zzz@yah.fr ;3

Je concatène ces 3 tables, ce qui me donne une fois la table triée par email :
Email ; VAR1 ; VAR2 ; VAR3
vvv@yah.fr ; . ; . ; 3
www@hotm.fr ; . ; 2 ; .
xxx@yah.fr ; 1 ; . ; .
yyy@hotm.fr ; 1 ; . ; .
yyy@hotm.fr ; . ; 2 ; .
zzz@yah.fr ; 1 ; . ; .
zzz@yah.fr ; . ; . ; 3

Un dédoublonnage standard ferait :
Email ; VAR1 ; VAR2 ; VAR3
vvv@yah.fr ; . ; . ; 3
www@hotm.fr ; . ; 2 ; .
xxx@yah.fr ; 1 ; . ; .
yyy@hotm.fr ; 1 ; . ; .
zzz@yah.fr ; 1 ; . ; .

Or, je voudrais :
Email ; VAR1 ; VAR2 ; VAR3
vvv@yah.fr ; . ; . ; 3
www@hotm.fr ; . ; 2 ; .
xxx@yah.fr ; 1 ; . ; .
yyy@hotm.fr ; 1 ; 2 ; .
zzz@yah.fr ; 1 ; . ; 3

c'est à dire, garder un seul email tout en conservant les variables, en les agrégeant ; je crois savoir qu'une Proc transpose pourrait m'aider ... avez-vous une solution me permettant de résoudre mon problème ?

Merci d'avance.

[olivier.decourt]

Bonjour.
Je pense qu'une proc MEANS (avec une somme) de tes variables numériques, et CLASS les adresses mail, te fournira le résultat voulu.
Sinon, une étape DATA avec un SET BY, des RETAIN et des FIRST LAST permettra aussi d'arriver au résultat.
Bon courage.
Olivier

[z6c3po]

pas besoin de PROC TRANSPOSE, une petite étape data (adaptée au fait que les variables X1-X3 sont toutes numériques) et hop...

Code :

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
 
DATA test;
INFILE cards dlm=";";
input email :$15. x1 x2 x3 ;
cards4;
vvv@yah.fr ; . ; . ; 3
www@hotm.fr ; . ; 2 ; .
xxx@yah.fr ; 1 ; . ; .
yyy@hotm.fr ; 1 ; . ; .
yyy@hotm.fr ; . ; 2 ; .
zzz@yah.fr ; 1 ; . ; .
zzz@yah.fr ; . ; . ; 3
;;;;
 
proc sort DATA=test;
BY email;
run;
 
DATA test2(keep=email a:);
SET test;
BY email;
retain a1 a2 a3;
array a{3};
array x{3};
IF first.email then do;
   do i=1 TO dim(a);
      a{i}=x{i};
   end;
end;
else do;
   do i=1 TO dim(a);
      IF a{i} ne . then a{i}=x{i};
   end;
end;
IF last.email;
run;
 
proc print;run;

Cordialement

Sébastien Ringuedé

[Baffien]

Merci Olivier et Sébastien.
Je vais appliquer ce programme demain et l'adapter à mes variables ; le seul souci, c'est que j'ai à la fois du numérique et du caractère ...

Merci encore, bonne soirée !

[z6c3po]

Envoyé par Baffien

Merci Olivier et Sébastien.
Je vais appliquer ce programme demain et l'adapter à mes variables ; le seul souci, c'est que j'ai à la fois du numérique et du caractère ...

Merci encore, bonne soirée !

alors il faut créer non pas deux array mais quatre, deux pour les variables numériques (une "avant", une "après") et deux pour les caractères (email sera dedans mais ce n'est pas bien grave).

pour spécifier les dimensions des array "après" (parce qu'il ne faudra bien...), passe par un data _null_ du style :

Code :

1
2
3
4
5
6
7
 
DATA _null_;
SET test;
array x{*} _numeric_;
z=dim(a);
call symput ('toto',z);
;

(dim fait partie des fonctions qu'on ne peut pas utiliser avec CALL SYMPUT ce qui explique le passage par Z)

Cordialement

Sébastien Ringuedé