SAS成语接龙

今年国庆长假没有出游计划，不过可以在朋友圈周游世界。周游世界的同时正好有点时间来博客除除草了，2017年已过四分之三，目前只留下一篇博客（囧）。今天无意间翻到3年前回复过的一个帖子：用SAS做成语接龙。编程思路如下：首先导入成语大全，提取首尾汉字，将所有成语放入哈希表中，然后将成语最后一个汉字去哈希表中查询匹配，如果成功匹配则把哈希表中匹配的成语最后一个汉字做为KEY去查询匹配，直到遍历整个哈希表。更新的代码（SAS 9.2 for Windows）如下：

/*导入成语列表*/
proc import datafile="D:\Demo\成语大全.txt"
    out=idiom_list
    replace;
    getnames=no;
    guessingrows=32767;
run;

/*提取首尾汉字*/
data idiom_list;
    set idiom_list(rename=VAR1=IDIOM);
    length FIRST_C END_C $2.;
    FIRST_C=prxchange('s/^(.{2}).+/\1/', 1, cats(IDIOM));
    END_C=prxchange('s/.+(.{2})$/\1/', 1, cats(IDIOM));
run;

/*初始成语*/
%let start_idiom=胸有成竹;

/*查询*/
data _null_;
    if _n_=1 then do;
        if 0 then set idiom_list;
        dcl hash h(multidata: 'Y');
        h.definekey('FIRST_C');
        h.definedata('IDIOM', 'FIRST_C', 'END_C');
        h.definedone();
    end;;
    do until(last);
        set idiom_list idiom_list end=last;
        h.add();
    end;
    set idiom_list(where=(IDIOM="&start_idiom") rename=END_C=FIRST_C keep=IDIOM END_C);
    put IDIOM=;
    if h.find(key: FIRST_C)=0 then put IDIOM=;
    do i=1 to 100;
        if h.find(key: END_C)=0 then put IDIOM=;
        if h.find(key: END_C)=0 then do;            
            rc=h.find_next(key: END_C);         
            put IDIOM=;
        end;
    end;
run;

结果如下：胸有成竹、竹苞松茂、茂林修竹、竹报平安、安安稳稳、稳操胜券。

上面的帖子其实有点像深度优先搜索（Depth-First-Search，简称DFS）。除了哈希表的方法，还可以用双SET加KEY选项来解决。比如这个帖子。数据集如下图：

楼主的问题是找最高级，如上图中ID为2的下一级是5，5的下一级是9，9的下一级是102，102没有下一级了，那么2的最高级就是102。编程思路和上面HASH方法类似，即用当前的KONZERNID作为索引ID去查找匹配，直到匹配不成功。更新的代码如下：

data konzern;
    input ID KONZERNID;
cards;
1 18
2  5
3 18
4 24
5 9
6 9
7 15
8 12
9 102
;
run;

/*Create index*/
data konzern(index=(ID));
    set konzern;
run;

/*Lookup*/
data highestid;
    set konzern;
    ID_INIT=ID;
    KONZERNID_INIT=KONZERNID;
    HIGHESTID=ID;
    do i=1 to 100;
        ID=KONZERNID;
        HIGHESTID=ID;
        set konzern key=ID/unique;
        if _IORC_^=0 then leave;
    end;
    keep ID_INIT KONZERNID_INIT HIGHESTID;
run;

结果如下：

以两种方法各有利弊，因为哈希表是存储在内存中，所以当数据较大时可能会导致内存不足。而第二种方法因为有多次SET操作，数据较大时效率会大大降低。故在实际应用中应该根据具体情况而定