notsortedオプションを侮るなかれ。データセットの格納順を活かしたby処理

今、以下のようなデータセットを受け取って、Xの値ごとに、適当な値でグループ化する変数を作ってと言われたとします。架空の話ですが。

data Q1;
X='A';output;
X='A';output;
X='B';;output;
X='B';output;
X='B';output;
X='C';output;
X='C';output;
X='A';output;
X='A';output;
run;

はいはいと、言って僕は

proc sort data=Q1 out=_Q1;
 by X;
run;

data A1;
 set _Q1;
 retain GROUP 0;
 by X;
 if first.X then GROUP+1;
run;

こう書いて

としました。

XがAの値には1、Bには2、Cには3をつけました。


すると、違う！そうじゃない！
こういう風にしてくれ！と言って見せられたのが

です。

ソートやユニーク、キーとかそういうデータ構造の基本的概念がない人と話すと
よく、データの格納順を重視していると感じます。

僕が、Xの値が同一のAなので、まとめられるので、当然こうなるのですがといったところで

何を言ってるんだ？？最初に出てくるＡと次にでてくるＡの間に別の文字が入って区切れとる
だろうが！同じじゃない！

となるわけです。


さてさて、
ではどうしましょうか？retainでＸの値を保持して、前のオブザベーションとの
比較分岐をいれますか？面倒です。

そういった時に役に立つのがnotsortedオプションです。


data A2;
 set Q1;
 retain GROUP 0;
 by X notsorted;
 if first.X then GROUP+1;
run;

とすると

となって、求めるべき結果になるわけです。

データステップのbyは、その変数での事前ソートを要求するため

notsortedをつけずに実行すると当然

エラーになります。

notsortedをつけることで、元データの格納順のまま、by処理が可能なわけです。

これは例えばmeansプロシジャ等、種種のプロシジャでもどうようのことができます。
連続して格納されている値ごとに処理したい場合はnotsortedが使えるわけです。

まあ、あまり筋がいいとは言えませんが。