使用SAS SQL统计仅归属单一首字符类别分组的唯一物品数量

核心逻辑拆解 #

要实现需求，需完成三个关键动作：

• 提取category_code的首字符作为分组依据
• 对同一物品在同一首字符下的重复记录去重
• 筛选出仅归属单一首字符的物品，再按首字符统计数量

方案一：多步骤实现（适合新手理解） #

通过临时表逐步处理，逻辑清晰易调试：

步骤1：提取并去重物品-首字符关联

去除同一物品在同一首字符下的重复记录，得到每个物品对应的唯一首字符集合：

PROC SQL;
    CREATE TABLE item_first_char AS
    SELECT DISTINCT
        item_id,
        SUBSTR(category_code, 1, 1) AS first_char  -- 提取首字符
    FROM item_categories;
QUIT;

步骤2：筛选仅归属单一首字符的物品

统计每个物品对应的不同首字符数量，只保留数量为1的物品：

PROC SQL;
    CREATE TABLE valid_items AS
    SELECT
        item_id,
        first_char
    FROM item_first_char
    GROUP BY item_id
    HAVING COUNT(first_char) = 1;  -- 仅保留只有1个首字符的物品
QUIT;

步骤3：按首字符分组统计数量

对符合条件的物品按首字符分组，统计每组的物品数量：

PROC SQL;
    SELECT
        first_char AS category_group,
        COUNT(item_id) AS item_count
    FROM valid_items
    GROUP BY first_char;
QUIT;

方案二：单查询嵌套实现（简洁高效） #

将多步骤合并为一个嵌套查询，适合熟悉SQL逻辑后使用：

PROC SQL;
    SELECT
        first_char AS category_group,
        COUNT(item_id) AS item_count
    FROM (
        -- 筛选仅归属单一首字符的物品
        SELECT
            item_id,
            first_char
        FROM (
            -- 提取并去重物品-首字符关联
            SELECT DISTINCT
                item_id,
                SUBSTR(category_code, 1, 1) AS first_char
            FROM item_categories
        ) AS distinct_chars
        GROUP BY item_id
        HAVING COUNT(first_char) = 1
    ) AS valid_items
    GROUP BY first_char;
QUIT;

关键细节说明 #

• SUBSTR(category_code, 1, 1)：提取category_code的第一个字符，兼容Hadoop Hive SQL语法
• DISTINCT/GROUP BY item_id, first_char：确保同一物品在同一首字符下仅被统计一次
• HAVING COUNT(first_char) = 1：过滤掉跨多个首字符类别的物品，只保留归属单一首字符的物品

内容的提问来源于stack exchange，提问作者C111