如何分组？

shiyiming

data a;
input id $ mod $ date;
cards;
a1 tc 3
a1 td 4
a1 td 7
a1 tc 25
a1 td 27
a2 td 1
a2 tc 17
a2 tc 18
a2 td 21
a2 td 24
a3 tc 7
a3 td 16
a3 tc 18
a3 td 24
...
;
run;
现在，我想把每个ID里的tc和td以date间隔最近的分在一组，然后再在组内求tc和td的时间差，比如在ID=a1里：
id $ mod $ date group diff
a1 tc 3  1  1
a1 td 4  1  1
a1 td 7  .  2
a1 tc 2 25 3
a1 td 2 27 3
问题：请问如何分组？
谢谢！

shiyiming

可以先按照id先拆成数个数据集。。

然后针对每个数据集这样处理：

proc fastclus data=a1 out=b maxc=3;
        var date;
run;

proc sort data=b;
        by cluster;
run;

proc means data=b nway noprint;
        by cluster;
        class mod;
        output out=c range=range;
run;

shiyiming

上面叙述有点错误，最后形成的dataset应该如下：
现在，我想把每个ID里的tc和td以date间隔最近的分在一组，然后再在组内求tc和td的时间差，比如在ID=a1里：
id $ mod $ date group diff
a1 tc 3  1  1
a1 td 4  1  1
a1 td 7  2  .
a1 tc 25 3  2
a1 td 27 3  2
问题：请问如何分组？
sorry and thanks again.

shiyiming

就是简单的聚类分析

shiyiming

可否帮忙写下程序，多谢了！！！

shiyiming

我写了一个code,但是有个问题，那就是一旦mod有重复值（如第2,3行的4,4），那么，我的程序就必须重新再次把剩下的record再运行一遍，否则就不完整。
所以抛砖引玉，希望有高手对我的code进行修改，或全新的code. 谢谢！！！
[code:2p8uzi98]data a0;
input mod $ bdos;
cards;
tc 1
26 4
26 4
tc 6
tc 7
tc 12
26 13
26 14
tc 17
26 19
tc 22
tc 25
26 28
tc 29
26 30
;
run;
/*add pk unid*/
data a;set a0;
pk=_n_;
unid=catx('_',mod,bdos,pk);
run;
/*split data into 2 datasets by mod*/
data a1 a2; set a;
select (mod);
when ('tc') output a1;
when ('26') output a2;
end;
run;
/*grab min(diff)*/
proc sql;
create table diff1 as
  select d1.*,abs(bdos_26-bdos_tc) as diff, catx('_',pk_tc,pk_26) as unid2,
         d2.*,(calculated diff=min(calculated diff)) as min_d
    from a1(rename=(mod=mod_tc bdos=bdos_tc pk=pk_tc)) d1,
         a2(drop=unid rename=(mod=mod_26 bdos=bdos_26 pk=pk_26)) d2
        group by unid
   having min_d^=0
    order by d1.pk_tc,unid;
quit;
proc sql;
create table diff2 as
  select d2.*,abs(bdos_26-bdos_tc) as diff,catx('_',pk_tc,pk_26) as unid2,
         d1.*,(calculated diff=min(calculated diff)) as min_d
    from a1(drop=unid rename=(mod=mod_tc bdos=bdos_tc pk=pk_tc)) d1,
         a2 (rename=(mod=mod_26 bdos=bdos_26 pk=pk_26)) d2
        group by unid
   having min_d^=0
    order by d2.pk_26,unid;
quit;
/*remove 1 record VS mulit, keep 1:1*/
proc sort data=diff1 out=diff10 nodupkey;
  by unid;
run;
proc sort data=diff2 out=diff20 nodupkey;
  by unid;
run;
/*grab 2 records with the same min(diff)*/
proc sql;
create table diff_1 as
  select d1.*
    from diff10 d1,diff20 d2
   where d1.unid2=d2.unid2;
quit;

/*add group id: g*/
data b0;
set diff_1;
g=_n_;
run;
/*separate data*/
data b1(rename=(mod_tc=mod bdos_tc=bdos) keep=mod_tc bdos_tc diff unid2 g)
     b2(rename=(mod_26=mod bdos_26=bdos) keep=mod_26 bdos_26 diff unid2 g);
  set b0;
run;

/*merge again*/
data final;
set b1 b2;
run;
/*sort dataset*/
proc sort data=final;
by g;
run;
[/code:2p8uzi98]

shiyiming

不明白你到底想怎么分？为什么7单独一组，为什么。。。说白了，你到底想干什么？如果类似于聚类，显然光data step是不够了。

shiyiming

也许之前我叙述的有些含糊，以现在的论述为准：假设一组数据如下(obs为序列号，不是变量，变量只有x和y)：
obs x   y
1 a  1
2 b  1
3 a  5
4 b  8
5 a  6
6 a  7
想找出a和b间，y值差距最小的一对对。
比如：第一行a和第二行b，他们对应的y值之差（绝对值）（1-1=0）最小，除此以外，第一行a和任何其他b间的y值之差总大于0，任何第二行b和其他任何a间的差大于0，那么，
obs x   y
1  a  1
2  b  1
就是距离最近的一对。
同样，第四行b和第六行a间的距离最近，（8-7=1）为最小，第四行b和任何其他a间的y值之差总大于1，任何第六行a和其他任何b间的差大于0，那么，
obs  x   y
4  b  8
6  a  7
就是距离最近的一对。
最后想得到的结果就是：
obs x   y  pair
1  a  1   1
2  b  1   1
4  b  8   2
6  a  7   2
这样叙述，不知道还有没有疑义。
thanks.

shiyiming

解决不了。对不起

shiyiming

没关系。
其实我已经写好了一个code(见6楼)，自己感觉还不错，但有一个情况下却很麻烦，那就是x或y的值一旦出现重复，那么我的code就必须重新run一遍，否则就有遗漏。所以，我就在想，如果在code里嵌入without replacement的程序，把已经出现最小值的一对x,y去除后再进行下一次的运行，这样就可以避免重复值（x或y）对取最小值的影响了。
所以，就想有人在我的code上做修改(嵌入实现without replacement的程序)，或全新的code.
单纯的实现without replacement的程序，我用data step也实现了，但我的code主要是sql，所以，不知道如何嵌进去。
拜托各位高手。