21、使用 SAS 数组实现编码标准化

使用 SAS 数组实现编码标准化

变量重命名的利弊

变量重命名不仅会带来处理成本，还会增加人脑理解变量的难度。例如，中风（CVDSTRK3）和心脏病（CVDCRHD4）的原始变量名并不直观，但我们仍可从变量名中的字符提示来记忆其含义。用数字重命名变量会降低变量命名的直观性，这看似微不足道，却会给本就复杂的数据仓库管理过程增添不必要的混乱。因此，在重命名变量时，我们需要权衡其利弊，既要考虑提高数据处理效率，也要考虑维护和管理数据仓库的操作。

数组处理中的条件和索引变量

在 SAS 数据仓库的 ETL 过程中，数组处理是常用的操作。下面将详细介绍如何在数组处理中添加条件、创建索引变量，以及如何对数组处理进行文档记录和标准化。

添加条件到数组处理

之前，我们将 11 个共病变量作为输入数组，并生成了一组 11 个标志作为输出数组。尽管 DIABETE3 变量的编码与其他输入变量略有不同，但创建标志的数据步骤是基于所有 11 个变量的共同编码，即 1 表示“是”。现在，我们想创建一个新的分组变量，将编码为 7、9 和缺失值的共病合并为一个表示“未知”的编码 9。因此，新的分组变量编码为：1 = 是，2 = 否，其他 = 9。

然而，DIABETE3 无法采用这种新的编码系统。DIABETE3 有两个不同的“是”的答案，分别编码为 1 和 2，不能合并；还有两个不同的“否”的答案，分别编码为 3 和 4，也不能合并。但与其他共病变量一样，我们希望在 DIABETE3 的分组变量中，将 7、9 和缺失值合并为编码 9。

以下是实现该功能的 SAS 代码：