Discussion :

[debdev]

Bonjour,

Je cherche à regrouper des observations de 2 tables pour lesquelles une valeur de variable est identique mais je ne veux pas que ces observations soient mises l'une à coté de l'autre mais l'une en dessous de l'autre.

Le but final est de regrouper les noms très proches susceptibles d'être des doublons (vérification manuelle finale).

Voici mon code:

1ère étape: renommer variables pour le dataset C1

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
data C1;
	set C;
	identC1=trim(left(nom))!!" "!!trim(left(prenom));
	rename idc=idcC1;
	rename dnaissj=dnaissjC1;
	rename dnaissm=dnaissmC1;
	rename dnaissa=dnaissaC1;
run;

2ème étape: renommer variables pour le dataset C2

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
data C2;
	set C;
	identC2=trim(left(nom))!!" "!!trim(left(prenom));
	rename idc=idcC2;
	rename dnaissj=dnaissjC2;
	rename dnaissm=dnaissmC2;
	rename dnaissa=dnaissaC2;
run;

3ème étape: calculer distance entre chaque nom de C1 et chaque nom de C2 et garder la plus petite distance différente de 0. Rq: il peut y avoir des ex-aequo

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
 
proc sql ;
   CREATE TABLE work.CD AS
      SELECT C1.*,
	 C2.*,
             COMPLEV(C1.identC1, C.identC2) AS distance
      FROM C1, C2
	  GROUP BY C1.identC1
      HAVING distance^= 0
   ;
QUIT ;
 
proc sql ;
   CREATE TABLE work.CD2 AS
      SELECT CD.*,
             MIN(distance) AS minimum
      FROM CD
	  GROUP BY CD.identC1
      HAVING distance = minimum 
   ;
QUIT ;

4ème étape: mettre un identifiant groupe pour chaque observation où on a le meme identC1

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
proc sort data=CD2;
	by IdentC1;
run;
 
data CD3;
	set CD2;
	by IdentC1;
	retain idgp 0;
	if first.identC1 then idgp=idgp +1;
run;

5ème étape: séparation en 2 datasets

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
 
data CD3_1 (keep = idcC1 identC1 dnaissjC1 dnaissmC1 dnaissaC1 idgp);
	set CD3;
run;
 
proc sql;
		create table CD4_1 as
		select distinct idcC1,* from CD3_1;
quit;
 
data CD3_2 (keep = idcC2 identC2 dnaissjC2 dnaissmC2 dnaissaC2 idgp);
	set CD3;
run;
 
proc sql;
		create table CD4_2 as
		select distinct idcC2,* from CD3_2;
quit;

6ème étape: renommer les variables des 2 datasets pour avoir les memes noms

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
data CD5_1;
	set CD4_1;
	rename identC1=ident;
	rename idcC1=idc;
	rename dnaissjC1=dnaissj;
	rename dnaissmC1=dnaissm;
	rename dnaissaC1=dnaissa;
run;
 
data CD5_2;
	set CD4_2;
	rename identC2=ident;
	rename idcC2=idc;
	rename dnaissjC2=dnaissj;
	rename dnaissmC2=dnaissm;
	rename dnaissaC2=dnaissa;
run;

7ème étape: assemblage des datasets par idgp - ne marche pas car j'obtiens pleins de lignes avec le meme idgp (avec ou sans le group by)
je voudrais:
idcC1 idgpA
idcC2 idgpA
idcC3 idgpA
idcC4 idgpB
idcC5 idgpB
idcC6 idgpC

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
 
proc sql ;
   CREATE TABLE work.CD6 AS
      SELECT CD5_1.*,
	  		 CD5_2.*
      FROM CD5_1, CD5_2
GROUP BY idgp
   ;
QUIT ;

Merci de votre aide.

[steelspirit]

ne marche pas car j'obtiens pleins de lignes avec le meme idgp

Normal tu fais un produit cartésien

Essaie une jointure par idgp :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
 
proc sql ;
   CREATE TABLE work.CD6 AS
      SELECT CD5_1.*,
	  		 CD5_2.*
      FROM CD5_1, CD5_2
      WHERE CD5_1.idgp = CD5_2.idgp
   ;
QUIT ;

Steel

[debdev]

Salut,

Merci pour ta réponse. Mais en fait, la jointure ne me donne pas ce que je souhaite car ça associe les lignes avec le meme idgp mais dans le sens de la ligne (je sais pas si je suis très claire...) donc comme en plus j'avais renommé les variables de mes 2 datasets avec les memes noms, ça fait que ça me les écrase.

Bref, je sais pas à quoi je pensais vendredi (fin de semaine, fatiguée ) mais ce que je cherche à faire se fait avec un set oui 3 fois car j'ai vraiment honte, dsl.

Merci