E 'possibile fare un case-insensitive DISTINCT con SAS (PROC SQL)?

Question

C'è un modo per ottenere le case-insensitive righe distinte da questa query SQL SAS? ...

SELECT DISTINCT country FROM companies;

La soluzione ideale consisterebbe in una singola query.

Risultati apparire come:

Australia
australia
AUSTRALIA
Hong Kong
HONG KONG

... dove qualsiasi 2 righe distinte è veramente necessario

Si potrebbe maiuscolo i dati, ma questo cambia inutilmente valori in modo che non soddisfa lo scopo di questa domanda.

Answer 1

Se avete qualche chiave int primaria (chiamiamolo ID), è possibile utilizzare:

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

Answer 2

caso normalizzazione fa sembrare consigliabile - se 'l'Australia', 'Australia' e 'AUSTRALIA' tutti si verificano, che uno dei tre vorresti come la risposta "unico sensibile-caso" per la tua ricerca, dopo tutto? Se siete appassionati di alcune euristiche specifici (ad esempio contare quante volte si verificano e scegliere il più popolare), questo può sicuramente essere fatto, ma potrebbe essere una quantità enorme di lavoro extra - sì, quanto è tale persnicketiness vale a voi ?

Answer 3

Un metodo non-SQL (in realtà solo un singolo passo come il passo di dati crea solo una vista) potrebbe essere:

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

Forse mi manca qualcosa, ma perché non solo:

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;

Ciò crea una vista con solo nomi diversi come valori di riga.

Answer 5

Stavo pensando lungo le stesse linee come Zach , ma ho pensato guardare il problema con un esempio più elaborato,

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;

Ora siamo in grado di produrre
io. Uno per ogni categoria? Vale a dire tre indirizzi?
o
ii. O solo un indirizzo? in caso affermativo quale versione dovremmo preferire?

L'implementazione caso 1 può essere semplice come:

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

L'implementazione caso 2 può essere semplice come:

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

Answer 6

Da SAS 9:

proc sort data = input_ds sortseq = linguistica (strengh = primario);

  by sort_vars;

run;

Answer 7

Credo espressioni regolari possono aiutare con il modello che si desidera avere nella stringa di ricerca.

Per l'espressione regolare si può definire un'UDF che può essere preparato a vedere il tutorial. www.sqlteam.com/article/regular-expressions-in-t-sql

Grazie.