是否可以使用 SAS (PROC SQL) 执行不区分大小写的 DISTINCT？

Question

有没有办法从此 SAS SQL 查询中获取不区分大小写的不同行？ ...

SELECT DISTINCT country FROM companies;

理想的解决方案将包含单个查询。

结果现在看起来像：

Australia
australia
AUSTRALIA
Hong Kong
HONG KONG

... 其中确实需要 2 个不同行中的任何一个

可以将数据大写，但这会不必要地以不适合此查询目的的方式更改值。

Answer 1

如果你有一些主 int 键（我们称之为 ID），你可以使用：

SELECT country FROM companies
WHERE id =
(
    SELECT Min(id) FROM companies
    GROUP BY Upper(country)
)

Answer 2

规范化大小写似乎确实是可取的——如果“澳大利亚”、“澳大利亚”和“澳大利亚”都出现，那么您希望这三个中的哪一个作为您的查询的“区分大小写的唯一”答案？ 如果您热衷于某些特定的启发式方法（例如，计算它们出现的次数并选择最受欢迎的），这当然可以完成，但可能需要大量的额外工作 - 那么，这种挑剔对您来说值多少钱？

Answer 3

非 SQL 方法（实际上只有一个步骤，因为数据步骤只是创建视图）：

data companies_v /view=companies_v;
  set companies (keep=country);
  _upcase_country = upcase(country);
run;

proc sort data=companies_v out=companies_distinct_countries (drop=_upcase_country) nodupkey noequals;
  by _upcase_country;
run;

Answer 4

也许我错过了一些东西，但为什么不只是：

data testZ;
    input Name $;
    cards4;
Bob
Zach
Tim
Eric
Frank
ZacH
BoB
eric
;;;;
run;

proc sql;
    create view distinctNames as
    select distinct Upper(Name) from testz;
quit;

这会创建一个仅将不同名称作为行值的视图。

Answer 5

我的想法与扎克相同，但我想我会用一个更详细的例子来看待这个问题，

proc sql;
    CREATE TABLE contacts (
        line1 CHAR(30), line2 CHAR(30), pcode CHAR(4)
    );
    * Different versions of the same address - L23 Bass Plaza 2199;
    INSERT INTO contacts values('LEVEL 23 bass', 'plaza'  '2199');
    INSERT INTO contacts values('level 23 bass ', ' PLAZA'  '2199');

    INSERT INTO contacts values('Level 23', 'bass plaza'  '2199');
    INSERT INTO contacts values('level 23', 'BASS plaza'  '2199');

    *full address in line 1;
    INSERT INTO contacts values('Level 23 bass plaza', ''  '2199');
    INSERT INTO contacts values(' Level 23 BASS plaza  ', ''  '2199');

;quit;

现在我们可以输出
我。 每个类别一个？ 即三个地址？
OR
二. 还是只有一个地址？ 如果是这样，我们应该选择哪个版本？

实现案例 1 可以像这样简单：

proc sql;
    SELECT DISTINCT UPCASE(trim(line1)), UPCASE(trim(line2)), pcode 
    FROM contacts 
;quit;

实现案例 2 可以像这样简单：

proc sql;
    SELECT DISTINCT UPCASE( trim(line1) || ' ' || trim(line2) ) , pcode 
    FROM contacts 
;quit;

Answer 6

从 SAS 9 开始：

proc sort data=input_ds sortseq=linguistic(strengh=primary);

  by sort_vars;

跑步;

Answer 7

我认为正则表达式可以帮助您找到您想要在搜索字符串中使用的模式。

对于正则表达式，您可以定义一个 UDF，可以参见教程进行准备。 www.sqlteam.com/article/regular-expressions-in-t-sql

谢谢。