Uniformisation syntaxe variable texte

Bonjour,

Je dispose d'un fichier texte dans lequel une variable peut prendre deux observations (disons "truc" et "machin"). Sachant que de nombreux traitements sont réalisés sur ce fichier, il faudrait impérativement que ces deux observations respectent une syntaxe unique.

L'idée est ici de procéder ainsi :

Code:

if upcase(substr(var,1,1)) = "T" then var = "TRUC"; else
if upcase(substr(var,1,1)) = "M" then var = "MACHIN";
else var = "ERROR";


Maintenant, je me demande s'il y aurait une possibilité d'optimiser la chose en procédant d'une autre façon ou en ajoutant des conditions.
Ici par exemple, dans le cas d'une erreur de frappe "tmachin", la variable prendra la forme "TRUC" et ce serait assez embêtant.


Merci,
Halpness.

Bonjour,

peut-être que tu pourrais utiliser un truc, un machin, dans ce genre là. L'idée est de comparer le nombre de lettres en commun relativement au nombre de lettres dans chacune des deux comparaisons. J'ai mis quelques tests pour te montrer ce que ça donne.

Code:

data a;
 length var $ 10;
 input var $;
 cards;
 truc
 machin
 tmachin
 mtruc
 Niaboc
 Truk
 Mac_Leod
 Duncan
 test
 matric
 machintruc
 ;
run;

data a;
 set a;
 if countc(var,"MACHIN",'I T')/length("MACHIN")>countc(var,"TRUC",'I T')/length("TRUC") then do;
 resultat="MACHIN";
 end;
 else do;
 resultat="TRUC";
 end;
run;

proc print data=a noobs;
 var var resultat;
run;

Dis-moi si ça te va

Niaboc

Hello,

Merci pour cette solution qui me convient totalement !
Evidemment, elle reste un peu aléatoire sur certaines chaînes de caractères mais mes observations ne devraient pas prendre de valeurs aussi extrêmes

Maintenant, je me pose une question, comme pourrait - on gérer le soucis dans le cas de noms de variables quasi identique (nomvar1, nomvar2) par exemple, une faute de frappe, l'oubli d'un caractère, etc ... ou simplement le fait d'avoir une égalité au niveau des tailles des 2 côtés qui renverrait tout dans le else de fin ^^

Mac_Leod a écrit:
Maintenant, je me pose une question, comme pourrait - on gérer le soucis dans le cas de noms de variables quasi identique (nomvar1, nomvar2) par exemple, une faute de frappe, l'oubli d'un caractère, etc ... ou simplement le fait d'avoir une égalité au niveau des tailles des 2 côtés qui renverrait tout dans le else de fin ^^

Il faudrait avoir des exemples concrets pour se rendre compte vraiment de ce qu'il faut faire. Si tu peux en faire?

Dans le cas d'anagrammes par exemple (romain, marion).

Voilà ce que renverrait le code :

Code:

Obs     var      resultat

 1     marion     MARION
 2     romain     MARION
 3     marino     MARION
 4     romian     MARION
 5     ormain     MARION
 6     maron      MARION
 7     marron     MARION
 8     romin      MARION


Ouais dans ce cas ça peut-être très chiant.
Il faudrait calculer une probabilité que le mot soit identique. Ca se complique beaucoup... en cherchant un peu je n'ai pas trouvé de fonction qui permette de faire ça directement.

Tu peux rajouter des conditions, si le mot apparaît dans la chaîne de caractère etc. pour l'instant si tu veux un truc plus complet (même si le cas d'anagramme va rester un cas très rare j'imagine?). Sinon il faudrait faire des recherches pour faire un beau code...

Niaboc

Pas de soucis, j'imagine bien qu'il faudrait un code plus poussée dans ce genre de cas.

Il s'agissait d'un simple exemple me permettant aussi à moi de pouvoir remettre en question l'utilisation de cette fonction dans certains cas.

Merci en tout cas pour cette aide