SORTプロシジャのV9での拡張

V9から拡張されたSORTプロシジャのオプションを紹介します。

下記のようなSASデータセット『temp.sas7bdat』があるとします。

　

このデータを変数「key1」でユニークにする場合、

　* ①元のデータを残す場合 ;

　proc sort data = temp out = temp2 nodupkeys ;

　　by key1 ;

　run ;

　* ②元のデータから重複レコードを削除する場合 ;

　proc sort data = temp nodupkeys ;

　　by key1 ;

　run ;

のような記述になるかと思います。

出力イメージは

　

な感じですね。

では、重複削除されたレコードだけのデータを作る場合はどうでしょうか。

出力イメージは

　

な感じです。

今までですと、変数「key1」でSORTをした後で、

　data temp_dup ;

　　set temp ;

　　by key1 ;

　　if ^first.key1 and ^last.key1 ;

　run ;

な感じで記述するのが一般的な手法です。

これを、V9で拡張されたオプション「DUPOUT=」を使うと以下のように記述できます。

　proc sort data = temp dupout = temp_dup nodupkeys ;

　　by key1 ;

　run ;

実行結果のログは以下の通りです。

　

7OBSのデータが、3OBSと4OBSのデータに分かれて出力されます。

もしも、入力元のデータ（この場合は「temp.sas7bdat」）をそのまま残したければ

　proc sort data = temp out = temp_uniq dupout = temp_dup nodupkeys ;

　　by key1 ;

　run ;

のように、「OUT=」オプションも併記します。

　

ちなみに、V8で同じ記述で実行すると

　

のように、完全なシンタックスエラーになります。

利用できるシチュエーションをいろいろと模索してみましたが、

ん～、デバッグ作業ぐらいですかね。

任意のキーでユニークの状態が前提のデータを対象に処理をかけてみて、

重複レコードがあった場合に、その内容が可視化できるといったような…。

いずれにせよ、知識として覚えておいて損はないと思いますので、

利用機会があれば試してみて下さい。