algorithm - 从数据集中覆盖所有必需级别的最小 obs

Question

我很难过。

我想将一个非常大的数据集缩减为更少的观察值，但一次(最多)包含原始数据集的所有级别。这样做是出于测试目的，因此提出具有最少 obs 数量的最终数据集符合我们的最大利益。

因此，如果我们以数据集 SASHELP.CLASS 为例。我想找出第一个 obs(或任何非特定的 obs，但我觉得使用 first/last obs 可能更容易)涵盖原始数据集的每个单独级别，不是 所需变量的所有可能(现有的或理论上的)组合。

输出看起来像这样:(SASHELP.CLASS:按年龄、性别分类的所有级别):

• AGE 有 6 个不同的级别 (11-16)
• SEX 有 2 个不同的级别(“F”、“M”)
• 理论上涵盖这些级别的最少 obs 数量是 6。

所以我们最终应该得到:

• OBS #1:Affred，“M”，14
• OBS #2:爱丽丝，“F”，13 岁

Barbara、Carol 和 Henry 不会输出，因为 F-M 和 13-14 都被覆盖了

• OBS #3:James，“M”，12 岁
• OBS #4:珍妮特，“F”，15 岁
• OBS #5:乔伊斯，“女”，11 岁
• OBS #6:Philip，“M”，16 岁

输出结束

在这种情况下，我们按顺序检查数据，我们发现满足要求的最少 obs (6) 数量，但如果级别变得更长(或相互关联)，并且数据分类(假设我们可以预先-sort)，我们最终可能会得到一些接近最小值的东西，但不是所需变量中最长级别的最小值。

我想这将需要某种递归算法来最有效地获取少量 obs 来覆盖值，但不知道从哪里开始。任何帮助将不胜感激!

Answer 1

这不是一个非常有效的方法，但它给出了预期的结果

/* sort by first key */
proc sort data=sashelp.class out=minset;
 by age;
run;

/* set wantflag to 1 if first.key else wantflag is 0 */
data minset;
 set minset;
 by age;
 if first.age then wantflag = 1;
 else wantflag = 0;
run;

/* repeat proc sort and next data step for each consecutive key */
/* sort by second key and by descending wantflag */
proc sort data=minset out=minset;
 by sex descending wantflag ;
run;

/* set wantflag to 1 if first.key, do NOT set to 0 if not key */
data minset;
 set minset;
 by sex;
 if first.sex then wantflag = 1;
run;

/* finally keep smallest possible dataset */
data minset (drop=wantflag );
 set minset;
 if wantflag eq 1 then output;
run;