Diagonal in colum.

[Elena]

I have this dataset

 

and I want this dataset with the  var new

Thank you!

[gamotte · Accepted solution]

Hello,

Edit : I did not pat attention to the row order => code modified a bit

Please provide data in the form of a datastep so we can test the solutions we propose before posting them.

Try this

data want;
  set have;
  array tt(*) tt75-tt80;
  array a(6) _TEMPORARY_;
  if anno<2018 then do;
    a(2018-anno)=tt(anno-2011);
  end;
  else do;
    new=a(anno-2016);
  end;
run;

[RW9]

Thats a bit of a mess of dataset.  You can do it, but it would be hardcoded in a bit.  E.g.

data want;  
  set have;
  if anno=2018 then new=lag2(tt79);
  if anno=2019 then new=lag3(tt78);
...
run;

I don't see a logical way of doing.

[danielduval0]

Is there any particular reason why you chose the numbers you selected?

To create new variables, you must use one of the methods mentioned on this page: https://support.sas.com/documentation/cdl/en/lrcon/62955/HTML/default/viewer.htm#a000695113.htm 

To help you out specifically in your case, I am going to need to know what the source of your data is (excel, datalines, sas dataset, .csv, etc.) to give you more information on how you can add the new variable and subset the observations.

You could use a when or an if statement to subset the variables to contain only those specific variables that only contain the observations you want. However, without knowing the reason why you want those specific numbers you chose, I am unable to help you out further. 

[Elena]

The var new is a component of a formula to estimate the people over 80. I need, for every codice_comune, in anno 2018 the TT79 value-anno 2016, in anno 2019 the tt78 value-anno 2015, in anno 2020 the tt77 value-anno 2014, in anno 2021 the tt76 value-anno 2014 and in anno 2022 the tt75 value-anno 2013. This is my dataset 

data have;

input codice_comune anno tt75 tt76 tt77 tt78 tt79 tt80 ;

datalines;

33001 2012  369   333   303   279   255   236

33001 2013  364   341   307   278   254   232

33001 2014  367   343   320   288   258   233

33001 2015  364   341   316   294   263   233

33001 2016  365   344   320   297   274   243

33001 2017  362   335   315   292   270   247

33001 2018  0     0     0     0     0     0

33001 2019  0     0     0     0     0     0

33001 2020  0     0     0     0     0     0

33001 2021  0     0     0     0     0     0

33001 2022  0     0     0     0     0     0

33002 2012  563   519   462   424   378   336

33002 2013  564   523   480   427   393   348

33002 2014  563   524   483   443   391   358

33002 2015  560   514   476   436   396   346

33002 2016  557   517   472   436   399   360

33002 2017  551   512   473   427   392   355

33002 2018  0     0     0     0     0     0

33002 2019  0     0     0     0     0     0

33002 2020  0     0     0     0     0     0

33002 2021  0     0     0     0     0     0

33002 2022  0     0     0     0     0     0

33003 2012  124   114   101   91    81    72

33003 2013  130   121   111   97    88    78

33003 2014  127   117   109   99    85    76

33003 2015  127   118   109   101   91    78

33003 2016  135   115   108   99    91    81

33003 2017  132   126   108   101   92    84

33003 2018  0     0     0     0     0     0

33003 2019  0     0     0     0     0     0

33003 2020  0     0     0     0     0     0

33003 2021  0     0     0     0     0     0

33003 2022  0     0     0     0     0     0

33004 2012  516   469   434   406   373   338

33004 2013  501   468   420   388   360   328

33004 2014  510   470   439   391   360   332

33004 2015  504   463   423   394   344   315

33004 2016  504   456   416   378   350   304

33004 2017  508   465   418   377   341   314

33004 2018  0     0     0     0     0     0

33004 2019  0     0     0     0     0     0

33004 2020  0     0     0     0     0     0

33004 2021  0     0     0     0     0     0

33004 2022  0     0     0     0     0     0

33005 2012  768   718   672   602   546   485

33005 2013  750   701   651   605   537   485

33005 2014  763   706   659   611   566   497

33005 2015  752   702   648   601   553   510

33005 2016  755   694   645   591   544   497

33005 2017  770   713   656   609   555   507

33005 2018  0     0     0     0     0     0

33005 2019  0     0     0     0     0     0

33005 2020  0     0     0     0     0     0

33005 2021  0     0     0     0     0     0

33005 2022  0     0     0     0     0     0

33006 2012  914   853   785   714   623   557

33006 2013  933   853   795   732   665   579

33006 2014  976   888   808   748   687   622

33006 2015  997   922   835   756   696   636

33006 2016  991   919   847   762   687   632

33006 2017  991   916   844   773   692   621

33006 2018  0     0     0     0     0     0

33006 2019  0     0     0     0     0     0

33006 2020  0     0     0     0     0     0

33006 2021  0     0     0     0     0     0

33006 2022  0     0     0     0     0     0

33007 2012  602   549   510   469   426   376

33007 2013  610   559   507   469   431   390

33007 2014  613   558   507   459   422   386

33007 2015  629   571   517   470   421   384

33007 2016  643   577   522   473   428   381

33007 2017  663   599   533   480   432   386

33007 2018  0     0     0     0     0     0

33007 2019  0     0     0     0     0     0

33007 2020  0     0     0     0     0     0

33007 2021  0     0     0     0     0     0

33007 2022  0     0     0     0     0     0

33008 2012  261   235   208   185   160   141

33008 2013  264   235   212   186   163   138

33008 2014  270   243   214   192   169   148

33008 2015  283   256   229   203   182   160

33008 2016  290   265   240   214   189   169

33008 2017  284   266   240   215   190   167

33008 2018  0     0     0     0     0     0

33008 2019  0     0     0     0     0     0

33008 2020  0     0     0     0     0     0

33008 2021  0     0     0     0     0     0

33008 2022  0     0     0     0     0     0

;

[gamotte]

I have edited my solution. It seems to give the wanted result.

[Elena]

Yes, it's perfect! Thank you!