分组求平均的问题

shiyiming

我现有几个dataset，我想按照每个dataset中observation的个数平均分成10组，每组number of observation相同，然后每组求平均。

问题是：
每个dataset里observation N不太一样，如何用一个程序使得应用于所有dataset？

谢谢！

shiyiming

谢谢tanzhen_mysas的提醒,忘了nobs这个选项了
[code:1prwxruk]%macro group(inds,outds,group);
   data &outds(drop=interval);
      retain interval;
      set &inds nobs=nobs;
      if _n_=1 then interval=round(nobs/&group);
      group=int((_n_-1)/interval)+1;
   run;
%mend;

%group(sashelp.class,work.temp,10)[/code:1prwxruk]

shiyiming

唉，研究老半天没想到自己钻了牛角尖。len的计算方法参考的是HOPEWELL的，很简单，很强大。呵呵。
[code:2a95k85q]
dm 'log;clear;output;clear;';
data tmp;
        input row @@;
        datalines;
1 2 3 4 5 6 7 8 9 0
1 2 3 4 5 6 7 8 9 0
1 2 3 4 5 6 7 8 9 0
1 2 3 4 5 6 7 8 9 0
1 2 3 4 5
;
run;

data tgt;
        intl=10;
        if int(nobs/intl)        =nobs/intl then len=nobs/intl;
        else len=int((nobs-1)/intl)+1;

        set tmp end=eof nobs=nobs;
        retain tgt 0 seq 1 i 0;
        tgt=sum(tgt,row);
        i+1;
        if _N_>1 then do;
                if mod(_N_-1,len)=0 then do;
                        tgt=row;
                        i=1;
                        seq=seq+1;
                end;
        end;
run;

[/code:2a95k85q]

shiyiming

这个intl是什么啊，run出来分了9组，并不是10组。

我自己琢磨了半天用了一个最笨的办法，把所有observation从1标到最后，然后用这个标号/total number of obs.，最后用这个<0.1，label为1，0.2-0.3 label为2，...。

我去学学这个len怎么用。

shiyiming

请问如果是按group分组，而按另一个变量NN=1的个数来分10个数据集该怎么办呢？
NN=1的观测在每个group中数量都是不同的。谢谢！

shiyiming

[code:1ktf8g2j]data new;         do x=1 to 23; output; end; run;
data new1;
do group=1 to 10;
        nGrp =ceil((nobs-n)/(11-group));
        do k =1 to nGrp;
                n +1;         output;
        end;
end;
set new nobs =nobs;
run;
data xx;  merge new1 new; run;
proc sql; select distinct group, nGrp, avg(x) as mean from xx group by group;
quit;[/code:1ktf8g2j]
关于分组的建议：如果N《10 没有意义；如果N不被10整除，如何均摊余数是个问题。我想如果n=11，那么一个组2个，九个组1个观察；如果n=23，那么三个组3个，七个组2个观察，如上所示，算是较均衡的方法吧

shiyiming

[quote="jingju11":2gykvuew][code:2gykvuew]data new;         do x=1 to 23; output; end; run;
data new1;
do group=1 to 10;
        nGrp =ceil((nobs-n)/(11-group));
        do k =1 to nGrp;
                n +1;         output;
        end;
end;
set new nobs =nobs;
run;
data xx;  merge new1 new; run;
proc sql; select distinct group, nGrp, avg(x) as mean from xx group by group;
quit;[/code:2gykvuew]
关于分组的建议：如果N《10 没有意义；如果N不被10整除，如何均摊余数是个问题。我想如果n=11，那么一个组2个，九个组1个观察；如果n=23，那么三个组3个，七个组2个观察，如上所示，算是较均衡的方法吧[/quote:2gykvuew]


太感谢了！我没说清楚，nn是双值变量可以是1，可以是0，每个group中观测数量不同，每个group中nn=1的观测数量不同。如果是把数据集平均分成四个，group不能被分，也就是一个group中的观测只能出现在一个数据集中，而平均是按nn=1的个数来算，而不是真正的平均的数据量。
目前我想到的办法是先用data步把nn=1的挑出来，然后再按整个的观测数平均分10组，但是group不能乱。那么这样该怎么办呢？因为group里观测有多有少，怎么能保证分的尽量平均呢？

shiyiming

要不这样行不行，把每个group的观测数统计出来，然后用线性规划求分10组后观测数量的最小标准差或者方差？问题是怎么做呢？另外有没有更好的方法呢？

shiyiming

做不出来。抱歉。

shiyiming

[quote="jingju11":2ktj9aea]做不出来。抱歉。[/quote:2ktj9aea]


您客气了 <!-- s:) --><img src="{SMILIES_PATH}/icon_smile.gif" alt=":)" title="Smile" /><!-- s:) -->
我刚刚想，也许我想的方法太笨。
设分文件变量为SN，retain sn 1
其实只要是分group统计观测数grpN，然后把所有观测数除以10得个平均数avg，然后依次累加group的观测数，当累加超过平均数，计算新加上的这个group后的观测数减去平均数avg是否大于二分之一的这个新加上的group的观测数，大于的话这个新加的group的观测的SN都都标为SN+1，其他标为SN,再加的开始标为SN+1，依次类推。
请问这个该怎么做呢？谢谢。