查找重复案例，字符串变量，SPSS答案

【问题标题】：Finding duplicate cases, string-variable, SPSS查找重复案例，字符串变量，SPSS
【发布时间】：2017-06-16 08:54:58
【问题描述】：

作为 SPSS 上的小说，我正在努力寻找基于包含大约 33,000 个案例的数据集中的字符串变量的重复案例。

我有一个名为“nr”的变量，它应该是每个案例的唯一 ID。然而，事实证明，在某些情况下，输入的“nr”中可能有两个不同的值，唯一的区别是最后一个字符。导致一个案例显示为两个单独的行。

var "nr" 的结构如下： XX-XXXXXXX-X 或 X-XXXXXXX-X 即 2-7-1 个字符或 1-7-1 个字符。

我想整理除最后一个字符之外的所有“nr”等于另一种情况的情况。

为了说明，通过成功的语法，我希望能够从整个数据集中对这些情况进行分类：

20-4026988-2
20-4026988-3

5-4026992-5
5-4026992-8

20-4027281-2
20-4027281-3

有人知道如何为此制定语法吗？非常感谢您的任何意见！

【问题讨论】：

标签： spss

【解决方案1】：

我建议创建一个没有最后一个字符的新变量，然后寻找双打：

* first creating some sample data to play with.    
data list list/ID (a15).
begin data.
20-4026988-2
12-2345678-7
20-4026988-3
5-4026992-5
5-4026992-8
12-1234567-1
20-4027281-2
6-1234567-1
20-4027281-3
end data.

* now creating the new variable and counting the occurrences of each shortened ID.
string ShortID (a15).
compute ShortID=char.substr(ID,1,char.rindex(ID,"-")).
* also possible: compute ShortID=char.substr(ID,1,char.length(rtrim(ID))-1).
aggregate out=* mode=add /break=ShortID/occurrences=n.

* at this point you can filter based on the number or `occurrences` or sort them.
sort cases by occurrences (d) ShortID.

【讨论】：

【解决方案2】：

删除最后一个字符后，您可以使用数据 > 识别重复案例来查找重复项。它为此提供了许多有用的选项。

【讨论】：