Можно ли сделать DISTINCT без учета регистра с помощью SAS (PROC SQL)?

Question

Есть ли способ получить отдельные строки без учета регистра из этого SQL-запроса SAS?...

SELECT DISTINCT country FROM companies;

Идеальное решение состояло бы из одного запроса.

Результаты теперь выглядят следующим образом:

Australia
australia
AUSTRALIA
Hong Kong
HONG KONG

...где действительно требуется любая из 2-х отдельных строк

Можно было бы ввести данные в верхнем регистре, но это излишне изменяет значения способом, который не соответствует цели этого запроса.

Answer 1

Если у вас есть какой-то первичный ключ int (назовем его ID), вы могли бы использовать:

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

Answer 2

Нормализация регистра кажется целесообразной - если встречаются "Австралия", "australia" и "AUSTRALIA", то какой из трех вариантов вы бы хотели использовать в качестве "уникального" ответа на ваш запрос с учетом регистра?Если вы заинтересованы в какой-то конкретной эвристике (напримерпосчитайте, сколько раз они встречаются, и выберите самые популярные), это, конечно, можно сделать, но может потребовать огромного количества дополнительной работы - итак, сколько для вас стоит такая придирчивость?

Answer 3

Метод, отличный от SQL (на самом деле только один шаг, поскольку шаг данных просто создает представление), был бы:

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

Может быть, я что-то упускаю, но почему бы просто не:

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;

Это создает представление, в котором в качестве значений строк используются только различные имена.

Answer 5

Я думал в том же духе , что и Зак, но я подумал , что рассмотрю проблему на более сложном примере,

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;

Теперь мы можем выводить
i.По одному из каждой категории?Т. е. три адреса ?
или
ii.Или только один адрес ?если да , то какую версию нам следует предпочесть ?

Реализация варианта 1 может быть такой же простой, как :

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

Реализация варианта 2 может быть такой же простой, как:

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

Answer 6

Из SAS 9:

процедура сортировки данных=input_ds sortseq=лингвистическая (сила= первичная);

  by sort_vars;

бежать;

Answer 7

Я думаю, что регулярные выражения могут помочь вам с шаблоном, который вы хотите использовать в строке поиска.

Для регулярного выражения вы можете определить UDF, который можно подготовить, просмотрев руководство.www.sqlteam.com/article/regular-expressions-in-t-sql

Спасибо.