如何在SAS中统计单观测内多列的唯一值数量

嘿，刚好碰到过类似的需求！你要给每行的a、b、c、d四列统计唯一值个数对吧？既然你已经有自己能理解的实现，但想学习更标准高效的方法，我来分享几种常用的方案，覆盖不同的使用场景～

如果你的数据存在关系型数据库（比如PostgreSQL、MySQL）里，可以用两种思路来实现：

PostgreSQL 简洁写法 #

利用数组和去重函数直接计算：

SELECT 
    ID,
    -- 将a/b/c/d转为数组，展开后去重再统计数量
    (SELECT COUNT(DISTINCT val) FROM UNNEST(ARRAY[a, b, c, d]) AS val) AS unique_count
FROM your_table;

MySQL 实现方式 #

MySQL没有直接的数组展开函数，可以用CROSS JOIN把列转成行后分组统计：

SELECT 
    t.ID,
    COUNT(DISTINCT cols.col_val) AS unique_count
FROM your_table t
-- 把每行的a/b/c/d拆成多行记录
CROSS JOIN (
    SELECT t.a AS col_val UNION ALL 
    SELECT t.b UNION ALL 
    SELECT t.c UNION ALL 
    SELECT t.d
) AS cols
GROUP BY t.ID;

如果是用Pandas处理本地数据集，方法就非常直观高效了，直接用内置的nunique函数指定按行统计：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({
    'ID': [1, 2, 3],
    'a': [1, 2, 3],
    'b': [1, 2, 2],
    'c': [2, 3, 3],
    'd': [3, 3, 3]
})

# 统计每行a、b、c、d列的唯一值数量
df['unique_count'] = df[['a', 'b', 'c', 'd']].nunique(axis=1)
print(df)

这个方法是Pandas优化过的矢量化操作，比手动遍历每行的效率高得多，适合处理大规模数据集。

你说自己有一套易理解但效率偏低的实现，我猜大概率是类似这种手动转集合统计的方式（比如Pandas里用apply）：

# 示例：直观但效率较低的写法
df['unique_count'] = df.apply(
    lambda row: len(set([row['a'], row['b'], row['c'], row['d']])),
    axis=1
)

这种写法确实非常直观，新手容易理解，但当数据量上万甚至更大时，apply的循环特性会导致运行速度明显变慢，所以大数据集更推荐用前面提到的nunique或SQL的标准实现。

内容的提问来源于stack exchange，提问作者hope288