如何在SAS中对互为组合的观测值分配combo_id并分组？

没问题，这事儿好办！要给这些互为组合的观测分配统一的combo_id，核心是先给每组组合生成一个标准化的唯一标识——不管原字符串顺序怎么变，同一组的标识都一样，然后基于这个标识来分配ID就行。我给你写个完整的SAS代码，再一步步解释：

完整SAS代码 #

/* 原始数据集（保留你提供的输入格式） */
data have;
    input observations $;
    datalines;
'a-b-c' 'b-c-a' 'c-a-b' 'd-e' 'e-d' 'a-b' 'a-b-c-d' 'b-a-d-c' 'a-b-c-e'
run;

/* 第一步：生成标准化组合键 */
data temp;
    set have;
    // 清理字符串两端的单引号
    obs_clean = compress(observations, "'");
    // 定义数组存储拆分后的元素（按需调整数组长度）
    length elem1-elem10 $20;
    array elems[*] elem1-elem10;
    count = 0;
    // 按'-'拆分字符串，逐个提取元素
    do i = 1 to countw(obs_clean, '-');
        count + 1;
        elems[i] = scan(obs_clean, i, '-');
    end;
    // 对提取的元素按字符排序，生成标准化顺序
    call sortc(of elems[1] elems[count]);
    // 将排序后的元素重新拼接成标准键
    length standard_key $100;
    standard_key = catx('-', of elems[1] elems[count]);
    // 清理临时变量
    drop i count elem1-elem10 obs_clean;
run;

/* 第二步：分配combo_id */
proc sql;
    create table want as
    select observations, 
           'combo_' || put(dense_rank(standard_key), best.) as combo_id
    from temp
    order by combo_id, observations;
quit;

代码解释 #

1. 清理与拆分：

   • 先用compress去掉观测值两端的单引号（如果你的原始数据没有单引号，可以直接跳过这行）。
   • 用scan函数按-拆分字符串，把每个元素存入数组；countw用来计算每个字符串里的元素总数，确保不会漏拆任何元素。

2. 标准化排序：

   • 用call sortc对数组里的元素按字母顺序排序，这样像a-b-c、b-c-a这类循环组合，排序后都会得到a-b-c这个统一的标准键——这是实现分组的核心。

3. 生成combo_id：

   • 在proc sql里用dense_rank函数给每个唯一的标准键分配连续的排名，再拼接combo_前缀，就得到了每组组合对应的唯一ID。
   • 最后按combo_id排序，输出结果和你期望的格式完全一致，后续直接用combo_id分组统计就行。

注意事项 #

• 如果你的组合元素数量较多，可以调整数组的长度（比如把elem1-elem10改成elem1-elem20），同时调整standard_key的length值，避免字符串截断。
• 要是元素是数字而非字符，把call sortc换成call sortn即可。

内容的提问来源于stack exchange，提问作者R. Story