Discussion :

[blastfr]

Bonjour tout le monde,

J'ai presque honte de poser ma question ... BOn allez je me lance.

Je souhaite dans une table sommer certaines lignes.
J'ai une manip' en deux temps avec un merge qui me prend un temps fou.

Un exemple sera plus parlant ...

Je souhaite passer de ça :

Eleve matiere note age
thomas histoire 8 15
caroline histoire 10 16
caroline Geo. 20 16
pascal histoire 6 14
pierre histoire 8 15

à ça :

Eleve matiere note age nature
thomas histoire 8 15 note
caroline histoire 15 16 moyenne
pascal histoire 6 14 note
pierre histoire 8 15 note

C'est dingue, il doit y avoir des boucles et ça c'est ma hantise...

Vous imaginez bien que c'est pour le faire sur un fichier de mini 100 000 lignes et que la restriction porte non pas sur une variable 'Eleve', mais sur au moins 3 variables. Lorsqu'elles sont identiques, il faut sommer (faire une moyenne dans notre exemple).

ça ne sera pas des notes, c'est juste pour l'exemple

SI quelqu'un à une idée...
Merci par avance,

[lhonolulu]

Une proc means répondrait à ton problème

[sasadm]

Bonjour blastfr, pas de boucle pour répondre à ton problème.

Par contre une jolie procédure sql.

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
22
 
data note;
input Eleve $ matiere $ note age;
cards;
thomas histoire 8 15
caroline histoire 10 16
caroline Geo. 20 16
pascal histoire 6 14
pierre histoire 8 15
run;
 
proc sql ;
create table moyenne
as select  Eleve
			, MAX(matiere) as matiere 
			, MEAN(note) as note 
			, case when count(*) > 1 then 'moyenne' else 'note' end as nature 
			, MAX(age) as age
from note
group by Eleve
;
quit;

Les statistiques max pour matiere et age sont là pour supprimer les lignes qui font doublon (le group by a cet effet de "suppression" lorsque les grandeurs sont des statistiques qui portent sur toutes les lignes de modalité(s) "group by" identique(s)). Le max d'une chaine de caractères ne signifie pas grand chose mais si peut t'importe le choix de la matière à conserver c'est la solution la plus simple à mettre en oeuvre.

[blastfr]

Genial,

Merci SASADM, je vais tester ta proc sql sur ma big table ce week-end !

[sasadm]

salut,
avec la procedure sql, pour tester rapidemment du code sur des tables volumineuses tu peux utiliser les options inobs et outobs.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
 
proc sql inobs=100; 
create table... /* seules les  100 premieres lignes de la table en entree sont lues */
 
 
proc sql outobs=100;
create table...  /* la procédure s'arrete dès que le nombre de lignes de la table de sortie atteint 100 */

[blastfr]

Merci SASADM

Bien la proc sql !

J'utilise les stats max pour garder les variables dont les valeurs sont ls mêmes pour differentes observation rattaché à Eleve (par exemple).

Par contre tu es obligé de faire un "AS SELECT Eleve" et un "GROUP BY Eleve". Je pensais que ça faisait double emploi.

Encore merci à toi !

Julien

[sasadm]

Salut,

le group by eleve fait que tes statistques sont calculées par élève: MEAN(note) te donnera la moyenne de l'élève.

Enlève le group by eleve de l'exemple que je t'ai donné. Tu verras que les statistques sont calculées sur toutes les observations : MEAN(note) te donne la moyenne de la classe.

Le deuxième effet du group by est de supprimmer les lignes en double lorsque toutes les grandeurs retournés sont des statistiques (MEAN, MAX, MEAN, SUM, etc). D'où l'écriture de MAX(matiere) et MAX(age).