SAS编程：如何使用一列替换多列中缺少的值？

Question

背景

我在SAS中有一个大型数据集，它有17个变量，其中4个是数字，13个字符/字符串。我使用的原始数据集可以在这里找到：https://www.kaggle.com/austinreese/craigslist-carstrucks-data

1. 圆筒
2. 状况
3. 驱力
4. 油漆颜色
5. 类型
6. 制造商
7. 头衔和地位
8. 模型
9. 燃料
10. 传输
11. 描述
12. 区域
13. 陈述
14. 价格（个）
15. 过帐日期（num）
16. 里程表（数字）
17. 年份（个）

对数值列应用特定筛选器后，每个数值变量都不会缺少值。但是，对于剩余的14个字符/字符串变量，有数千到几十万个缺少变量

请求

与此处（https://towardsdatascience.com/end-to-end-data-science-project-predicting-used-car-prices-using-regression-1b12386c69c8）所示的数据科学博文类似，特别是在功能工程部分下，我如何编写等效的SAS代码，在其中使用描述列上的正则表达式用分类值（如圆柱体、条件、驱动器、，油漆颜色等等

下面是博客文章中的Python代码

import re

manufacturer = '(gmc | hyundai | toyota | mitsubishi | ford | chevrolet | ram | buick | jeep | dodge | subaru | nissan | audi | rover  | lexus \
| honda | chrysler | mini | pontiac | mercedes-benz | cadillac | bmw | kia | volvo | volkswagen | jaguar | acura | saturn | mazda | \
mercury | lincoln | infiniti | ferrari | fiat | tesla | land rover | harley-davidson | datsun | alfa-romeo | morgan | aston-martin | porche \
| hennessey)'
condition = '(excellent | good | fair | like new | salvage | new)'
fuel = '(gas | hybrid | diesel |electric)'
title_status = '(clean | lien | rebuilt | salvage | missing | parts only)'
transmission = '(automatic | manual)'
drive = '(4x4 | awd | fwd | rwd | 4wd)'
size = '(mid-size | full-size | compact | sub-compact)'
type_ = '(sedan | truck | SUV | mini-van | wagon | hatchback | coupe | pickup | convertible | van | bus | offroad)'
paint_color = '(red | grey | blue | white | custom | silver | brown | black | purple | green | orange | yellow)'
cylinders = '(\s[1-9] cylinders? |\s1[0-6]? cylinders?)'

keys =    ['manufacturer', 'condition', 'fuel', 'title_status', 'transmission', 'drive','size', 'type', 'paint_color' , 'cylinders']
columns = [ manufacturer,   condition,   fuel,  title_status, transmission ,drive, size, type_, paint_color,   cylinders]

for i,column in zip(keys,columns):
    database[i] = database[i].fillna(
      database['description'].str.extract(column, flags=re.IGNORECASE, expand=False)).str.lower()

database.drop('description', axis=1, inplace= True)

上面显示的Python代码的等效SAS代码是什么

Answer 1

它基本上只是做一些单词搜索

SAS中的一个简化示例：

data want;
set have;
array _fuel(*) $ _temporary_ ("gas", "hybrid", "diesel", "electric");

do i=1 to dim(_fuel);
if find(description, _fuel(i), 'it')>0 then fuel = _fuel(i);
*does not deal with multiple finds so the last one found will be kept;
end;

run;

您可以通过为每个变量创建一个数组，然后在列表中循环来扩展它。我认为在SAS中也可以用REGEX命令替换循环，但是REGEX需要太多的思考，因此必须由其他人提供答案