sas - 计算一个词出现的次数

Question

我正在 SAS 中寻找一种更好的方法来计算某个单词在字符串中出现的次数。例如，在字符串中搜索 'wood':

how much wood could a woodchuck chuck if a woodchuck could chuck wood

... 将返回 2 的结果。

这是我通常会做的，但它有很多代码:

data _null_;
  length sentence word $200;

  sentence = 'how much wood could a woodchuck chuck if a woodchuck could chuck wood';
  search_term = 'wood';
  found_count = 0;

  cnt=1;
  word = scan(sentence,cnt);
  do while (word ne '');
    num_times_found = sum(num_times_found, word eq search_term);
    cnt = cnt + 1;
    word = scan(sentence,cnt);
  end;

  put num_times_found=;

run;

我可以将其放入 fcmp 函数中以使其更优雅，但我仍然觉得必须为此编写更友好、更简洁的代码。

Answer 1

从代码审查的角度来看，上述内容可以有所改进。 do 循环可以处理 cnt 增量，如果将其切换为 until，您甚至不必进行初始赋值。您还有一个无关的变量 found_count，不确定那是什么。否则，我认为这是合理的，至少对于非复杂的解决方案而言。

data _null_;
  length sentence word $200;

  sentence = 'how much wood could a woodchuck chuck if a woodchuck could chuck wood';
  search_term = 'wood';

  do cnt=1 by 1 until (word eq '');
    word = scan(sentence,cnt);
    num_times_found = sum(num_times_found, word eq search_term);
  end;

  put num_times_found=;

run;

它也非常快 - 在我的盒子上 1e6 次迭代不到 9 秒。当 o 添加到字符串选项时，PRX 解决方案花费的时间更少(6 秒)，因此在使用非常大的数据集或大量变量时可能更可取，但我怀疑增加的时间相比之下会很重要到 i/o 时间。 FCMP 解决方案与此解决方案的时间顺序相同(均在 8-9 秒左右)。最后，FINDW 解决方案是最快的，大约需要 2 秒。