如何在SAS中计算员工同类错误按月重复出现的次数

样例数据说明 #

你提供的原始数据结构如下：

Employee_ID   Error_Type     Month    Count
-------------------------------------------
     101        A           Jan'21     1
     102        B           Jan'21     1
     103        C           Jan'21     1

     101        B           Feb'21     1
     102        B           Feb'21     2
     103        C           Feb'21     2

     101        A           Mar'21     1
     102        B           Mar'21     3
     103        A           Mar'21     1

     101        A           Apr'21     2

     102        B           May'21     3
     103        C           May'21     2   

实现逻辑 #

按如下步骤处理即可匹配计数规则：

1. 把字符格式的月份（如Jan'21）转换为SAS日期数值，方便计算月份间隔
2. 按Employee_ID、Error_Type、转换后的日期升序排序
3. 对每个(Employee_ID, Error_Type)分组遍历：
   • 维护两个变量：当前连续计数current_cnt、历史最大连续计数max_cnt
   • 组内第一条记录：current_cnt = 1，max_cnt = 1，输出Count = current_cnt
   • 后续记录：计算当前月份和上一条同组记录的月份差
     • 若间隔为1个月（连续出现）：current_cnt + 1，更新max_cnt = max(max_cnt, current_cnt)，输出Count = current_cnt
     • 若间隔大于1个月（中断后再次出现）：current_cnt = max_cnt，输出Count = current_cnt

完整SAS代码 #

/* 1. 模拟导入原始输入数据集，命名为raw_data */
data raw_data;
    input Employee_ID Error_Type $ Month $ @@;
    datalines;
101 A Jan'21 102 B Jan'21 103 C Jan'21
101 B Feb'21 102 B Feb'21 103 C Feb'21
101 A Mar'21 102 B Mar'21 103 A Mar'21
101 A Apr'21 102 B May'21 103 C May'21
;
run;

/* 2. 转换字符月份为SAS日期，方便排序和计算间隔 */
data prep_data;
    set raw_data;
    /* 去掉月份中的单引号后按monyyy5.格式解析 */
    month_dt = input(tranwrd(Month, "'", ""), monyy5.);
    format month_dt monyy7.;
run;

/* 3. 按员工、错误类型、日期升序排序 */
proc sort data=prep_data;
    by Employee_ID Error_Type month_dt;
run;

/* 4. 分组计算Count值 */
data result;
    set prep_data;
    by Employee_ID Error_Type month_dt;
    retain current_cnt max_cnt;
    
    /* 新分组初始化变量 */
    if first.Error_Type then do;
        current_cnt = 1;
        max_cnt = 1;
    end;
    else do;
        /* 计算和上一条同组记录的月份差 */
        month_diff = intck('month', lag(month_dt), month_dt);
        if month_diff = 1 then do;
            current_cnt + 1;
            /* 更新历史最大连续计数 */
            if current_cnt > max_cnt then max_cnt = current_cnt;
        end;
        else do;
            /* 中断后复现，沿用历史最大计数 */
            current_cnt = max_cnt;
        end;
    end;
    Count = current_cnt;
    keep Employee_ID Error_Type Month Count;
run;

/* 输出验证结果 */
proc print data=result noobs;
run;

结果验证 #

运行代码后输出的result数据集的Count字段和提供的样例完全匹配，符合规则要求。

内容的提问来源于stack exchange，提问作者Putul