Question

作为SPSS上的小说，我正在努力寻找基于包含大约33,000个案例的数据集中的字符串变量的重复案例。

我有一个名为“nr”的变量，它应该是每种情况的唯一ID。然而，事实证明，某些情况下输入的“nr”可能有两个不同的值，唯一的区别是最后一个字符。导致案例显示为两个单独的行。

var“nr”的结构如下：XX-XXXXXXX-X或X-XXXXXXX-X，即2-7-1个字符或1-7-1个字符。

除了最后一个字符外，我想理清所有“nr”等于另一个案例的案例。

为了说明，使用成功的语法，我希望能够从整个数据集中对这些案例进行排序：

20-4026988-2
20-4026988-3

5-4026992-5
5-4026992-8

20-4027281-2
20-4027281-3

任何人都知道如何为此制作语法？对任何输入都会非常感激！

Answer 1

我建议创建一个没有该最后一个字符的新变量，然后查找双打：

* first creating some sample data to play with.    
data list list/ID (a15).
begin data.
20-4026988-2
12-2345678-7
20-4026988-3
5-4026992-5
5-4026992-8
12-1234567-1
20-4027281-2
6-1234567-1
20-4027281-3
end data.

* now creating the new variable and counting the occurrences of each shortened ID.
string ShortID (a15).
compute ShortID=char.substr(ID,1,char.rindex(ID,"-")).
* also possible: compute ShortID=char.substr(ID,1,char.length(rtrim(ID))-1).
aggregate out=* mode=add /break=ShortID/occurrences=n.

* at this point you can filter based on the number or `occurrences` or sort them.
sort cases by occurrences (d) ShortID.

Answer 2

删除最后一个字符后，您可以使用数据＆gt;识别重复案例以查找重复项。它作为一些有用的选择。

查找重复的案例，字符串变量，SPSS

2 个答案: