cancel
Turn on suggestions
Auto-suggest helps you quickly narrow down your search results by suggesting possible matches as you type.
Showing results for 
Search instead for 
Did you mean: 
BookmarkSubscribeRSS Feed
🔒 This topic is solved and locked. Need further help from the community? Please sign in and ask a new question.
jonatan_velarde
Lapis Lazuli | Level 10 jonatan_velarde
Lapis Lazuli | Level 10
Go to Solution

Completing missing values

Posted 12-07-2015 12:39 PM (1727 views)

Good day SAS friends:

 

I would like to be helped to complete this routine in SAS. The data i have is as follows:

 

Data have:

Input Sample age_in_days measure;

cards;

1   10   3.6

1   15   4.0

1   20   4.2

1   25   5.0

1   30   5.5 

2     3   3.6

2     4   4.0

2     5   4.2

2   10   5.0

2   25   5.5

;

 

I need this result:

Sample age_in_days measure

1     3   .

1     4   .

1     5   .

1   10   3.6

1   15   4.0

1   20   4.2

1   25   5.0

1   30   5.5

2     3   3.6

2     4   4.0

2     5   4.2

2   10   5.0

2   15   .

2   20  .

2   25   5.5

2   30   .

 

as you can see, i need to complete the missing values in the list, lateron i will use to estimate this values using non linear regression.

 

Thank you very much

0 Likes
1 ACCEPTED SOLUTION

Accepted Solutions
FreelanceReinh
Jade | Level 19 FreelanceReinh
Jade | Level 19

Re: Completing missing values

Posted 12-08-2015 10:32 AM (2126 views)  |   In reply to jonatan_velarde

Maybe something like this will meet your requirements:

proc sql;
create table temp as
select *
from (select distinct a.subject, a.city, a.region, a.city2, a.town, a.sex, a.freqGE,
                      a.month, a.day, a.year, b.age_in_days from grow a, grow b)
     natural full join grow
order by subject, age_in_days;
quit;

data want;
set temp;
by subject age_in_days;
if first.subject then i=0;
else i+1;
if i then do;
  age=cats('age',i);
  weight=cats('weight',i);
end;
drop i;
run;

Assumptions:

  1. Variable Subject is the primary key and City, Region, City2 (renamed from your second variable named City), Town, Sex, FreqGE (which is missing in all observations), day, month (or rather month, day -- in view of values 2, 25) and year depend only on Subject.
  2. The aim is to create all combinations of subjects with age_in_days values and to keep the pertinent values of weight_in_Kilograms.
  3. Variables age and weight are to be overwritten with values 'age1', 'age2', ... and 'weight1', 'weight2', ..., respectively, reflecting the new ranks of the ordered positive age_in_days values per subject. In the first observation per subject, which has age_in_days=0, the special values age='Initial_age', weight='Initial_weight' are to be maintained.

View solution in original post

5 REPLIES 5
Haikuo
Onyx | Level 15 Haikuo
Onyx | Level 15

Re: Completing missing values

Posted 12-07-2015 01:26 PM (1744 views)  |   In reply to jonatan_velarde

The easiest way I see is to TRANSPOSE 2 times, back and forth.

 

options validvarname=any;

Data have;
	Input Sample age_in_days measure;
	cards;
1   10   3.6
1   15   4.0
1   20   4.2
1   25   5.0
1   30   5.5 
2     3   3.6
2     4   4.0
2     5   4.2
2   10   5.0
2   25   5.5
;

/*filling the blanks*/
proc transpose data= have out=h1;
	by sample;
	var measure;
	id age_in_days;
run;

/*back to orginal structure, here you need however to check the 
variable order first, then use it in the downstream transpose*/
PROC TRANSPOSE DATA=h1
	OUT=h2

	NAME=age_in_days
	LABEL=Label
;
	BY Sample;
	id _name_;
	VAR "10"n -- "5"n;
RUN;

QUIT;

/*restore age back to numeric*/
data want;
	set h2 (rename=age_in_days=age);
	age_in_days=input(age,best.);
	drop age;
run;
0 Likes
jonatan_velarde
Lapis Lazuli | Level 10 jonatan_velarde
Lapis Lazuli | Level 10

Re: Completing missing values

Posted 12-08-2015 08:43 AM (1685 views)  |   In reply to Haikuo

Hi There:

 

I have accepted your answer as solution becaus i believe your code is perfect to the example i propose in muy question, now i need to apply your answer to my original data base, i work in growing models and i would like to offer an real example:

 

here i go:

data grow;

input City    Subject    Region    City    Town    Sex    FreqGE    day    month    year    age    age_in_days    weight    weight_in_Kilograms;

cards;
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    Initial_age    0    Initial_weight    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age1    2240    weight1    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age2    2282    weight2    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age3    2343    weight3    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age4    2373    weight4    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age5    2400    weight5    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age6    2428    weight6    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age7    2457    weight7    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age8    2483    weight8    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age9    2519    weight9    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age10    2540    weight10    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age11    2568    weight11    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age12    2596    weight12    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age13    2624    weight13    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age14    2653    weight14    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age15    2680    weight15    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age16    2708    weight16    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age17    2737    weight17    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age18    2764    weight18    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age19    2793    weight19    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age20    2821    weight20    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age21    2849    weight21    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age22    2876    weight22    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age23    2905    weight23    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age24    2932    weight24    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age25    2960    weight25    119
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age26    2989    weight26    118.8
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age27    3016    weight27    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age28    3045    weight28    112.8
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age29    3072    weight29    108.8
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age30    3100    weight30    106.6
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age31    3129    weight31    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age32    3156    weight32    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age33    3191    weight33    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age34    3219    weight34    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age35    3247    weight35    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age36    3303    weight36    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age37    3331    weight37    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age38    3360    weight38    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age39    3387    weight39    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age40    3415    weight40    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age41    3443    weight41    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age42    3471    weight42    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age43    3500    weight43    105.8
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age44    3527    weight44    107.2
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age45    3555    weight45    108.2
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age46    3583    weight46    106.4
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age47    3611    weight47    106.2
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age48    3639    weight48    101.2
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age49    3661    weight49    107.2
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age50    3694    weight50    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age51    3723    weight51    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age52    3751    weight52    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age53    3779    weight53    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age54    3807    weight54    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age55    3835    weight55    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age56    3863    weight56    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age57    3891    weight57    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age58    3919    weight58    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age59    3947    weight59    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age60    3975    weight60    95.1
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age61    4003    weight61    99
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age62    4031    weight62    104.4
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age63    4059    weight63    107.2
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age64    4227    weight64    93.6
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age65    4255    weight65    101
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age66    4283    weight66    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age67    4311    weight67    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age68    4339    weight68    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age69    4367    weight69    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age70    4395    weight70    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age71    4423    weight71    100.5
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age72    4451    weight72    100.1
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age73    4479    weight73    85.4
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age74    4507    weight74    88
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age75    4535    weight75    86
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age76    4563    weight76    91.5
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age77    4591    weight77    90
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age78    4619    weight78    90.5
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age79    4647    weight79    88.4
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age80    4675    weight80    92.4
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age81    4871    weight81    95.9
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age82    4899    weight82    92.4
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age83    4927    weight83    90.7
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age84    4955    weight84    88.8
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age85    4983    weight85    86.9
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age86    5011    weight86    88.2
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age87    5039    weight87    91.5
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age88    5067    weight88    87.2
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age89    5095    weight89    88.6
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age90    5123    weight90    88.3
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age91    5152    weight91    87.7
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age92    5180    weight92    80.5
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age93    5235    weight93    75
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age94    5263    weight94    74.7
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age95    5297    weight95    78.4
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age96    5319    weight96    80.6
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age97    5347    weight97    79.5
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age98    5375    weight98    83.4
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age99    5431    weight99    87.2
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age100    5459    weight100    87.2
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age101    5487    weight101    87.2
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age102    5515    weight102    87.2
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age103    5571    weight103    87.2
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age104    5599    weight104    87.2
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age105    5627    weight105    .
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age106    5655    weight106    87.2
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age107    5683    weight107    87.2
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age108    5711    weight108    80.6
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age109    5742    weight109    79.5
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age110    5767    weight110    83.4
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age111    5795    weight111    84.2
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age112    5824    weight112    87.3
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age113    5851    weight113    86.8
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age114    5879    weight114    88.7
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age115    5907    weight115    90.6
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age116    5935    weight116    84.8
1    81    CABRA_58    BITU_01    2    M    .    2    25    1999    age117    5963    weight117    82.3
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    Initial_age    0    Initial_weight    .

2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age16    1880    weight16    82
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age17    1909    weight17    85.4
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age18    1936    weight18    90
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age19    1965    weight19    89.3
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age20    1993    weight20    93.8
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age21    2021    weight21    92.2
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age22    2048    weight22    97.2
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age23    2077    weight23    92
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age24    2104    weight24    99
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age25    2132    weight25    90
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age26    2161    weight26    98
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age27    2188    weight27    102
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age28    2217    weight28    105
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age29    2244    weight29    102
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age30    2272    weight30    97.2
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age31    2301    weight31    106
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age32    2328    weight32    107
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age33    2363    weight33    108.2
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age34    2391    weight34    107
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age35    2419    weight35    110
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age36    2475    weight36    95.3
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age37    2503    weight37    83.2
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age38    2532    weight38    83
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age39    2559    weight39    82.1
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age40    2587    weight40    87
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age41    2615    weight41    85
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age42    2643    weight42    78
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age43    2672    weight43    82.2
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age44    2699    weight44    79.4
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age45    2727    weight45    80
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age46    2755    weight46    77.2
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age47    2783    weight47    .
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age48    2811    weight48    79.2
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age49    2833    weight49    81.2
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age50    2866    weight50    77.4
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age51    2895    weight51    75.8
2    533    CABRA_344    CABRA_297    .    M    .    6    2    2001    age52    2923    weight52    66.2
;

 

In here i need to complete the mising age_in_days.

 

Thank You

0 Likes
FreelanceReinh
Jade | Level 19 FreelanceReinh
Jade | Level 19

Re: Completing missing values

Posted 12-08-2015 10:32 AM (2127 views)  |   In reply to jonatan_velarde

Maybe something like this will meet your requirements:

proc sql;
create table temp as
select *
from (select distinct a.subject, a.city, a.region, a.city2, a.town, a.sex, a.freqGE,
                      a.month, a.day, a.year, b.age_in_days from grow a, grow b)
     natural full join grow
order by subject, age_in_days;
quit;

data want;
set temp;
by subject age_in_days;
if first.subject then i=0;
else i+1;
if i then do;
  age=cats('age',i);
  weight=cats('weight',i);
end;
drop i;
run;

Assumptions:

  1. Variable Subject is the primary key and City, Region, City2 (renamed from your second variable named City), Town, Sex, FreqGE (which is missing in all observations), day, month (or rather month, day -- in view of values 2, 25) and year depend only on Subject.
  2. The aim is to create all combinations of subjects with age_in_days values and to keep the pertinent values of weight_in_Kilograms.
  3. Variables age and weight are to be overwritten with values 'age1', 'age2', ... and 'weight1', 'weight2', ..., respectively, reflecting the new ranks of the ordered positive age_in_days values per subject. In the first observation per subject, which has age_in_days=0, the special values age='Initial_age', weight='Initial_weight' are to be maintained.
jonatan_velarde
Lapis Lazuli | Level 10 jonatan_velarde
Lapis Lazuli | Level 10

Re: Completing missing values

Posted 12-09-2015 09:44 AM (1660 views)  |   In reply to FreelanceReinh

Hi there:

 

Its awesome the way to make this program so usefull, is the solutin, but unfortunally my PC dont accept the quantity of data created,

 

the SAS log says insufficient space to obtain result.

 

Thanks you very much

0 Likes
FreelanceReinh
Jade | Level 19 FreelanceReinh
Jade | Level 19

Re: Completing missing values

Posted 12-07-2015 05:50 PM (1701 views)  |   In reply to jonatan_velarde

PROC SQL might be another alternative:

proc sql;
create table want as
select *
from (select distinct a.sample, b.age_in_days from have a, have b)
     natural full join have;
quit;

SAS Innovate 2025: Register Now

Registration is now open for SAS Innovate 2025 , our biggest and most exciting global event of the year! Join us in Orlando, FL, May 6-9.
Sign up by Dec. 31 to get the 2024 rate of just $495.
Register now!

What is Bayesian Analysis?

Learn the difference between classical and Bayesian statistical approaches and see a few PROC examples to perform Bayesian analysis in this video.

Watch What is Bayesian Analysis? on YouTube

Find more tutorials on the SAS Users YouTube channel.

SAS Training: Just a Click Away

 Ready to level-up your skills? Choose your own adventure.

Browse our catalog!

Discussion stats
  • 5 replies
  • ‎12-07-2015 12:39 PM
  • 1728 views
  • 2 likes
  • 3 in conversation