SAS計數觀測數以內的按組，刪除一些數據

Question

我有一個數據集，其格式類似於以下後：

| Symbol | Date  | Time | BB | BO | MIDPRICE | 
|--------|----------|------|----|----|----------| 
| AAPL | 20130102 | 1 | 2 | 3 | 2.5  | 
| AAPL | 20130102 | 2 | 2 | 3 | 2.5  | 
| AAPL | 20130102 | 3 | 1 | 3 | 1.5  | 
| ... |   |  | | |   | 
| AAPL | 20130102 | 100 | 3 | 4 | 3.5  | 
| FB  | 20130102 | 1 | 3 | 6 | 4.5  | 
| FB  | 20130102 | 2 | 3 | 6 | 4.5  | 
| FB  | 20130102 | 3 | 3 | 5 | 4  | 
| ... |   |  | | |   | 
| FB  | 20130102 | 100 | 3 | 4 | 3.5  | 

我試圖計算每種按組的觀察次數。

例如，如果數據集按符號排序，我想知道AAPL，FB等有多少個觀察值。在上述情況下，AAPL有四個觀察值，FB有四個觀察值。

我想將結果導出到數據集和稍後的csv文件（我知道如何導出到csv文件，所以它不是這個問題的一部分）。

我一直在線閱讀資料。看來通常有兩種方法。在這個document中，作者說nobs可能不準確，特別是如果您修改了原始數據集。不幸的是，我的情況就是這樣。

data STOCK; 
    SET RAWDATA; by SYMBOL; 
    /* Delete those with only one observation */ 
    if MIDPRICE < 3 then delete; 
    run; 

因此，根據本stackoverflow post，唯一的選擇是sql語句：我用下面的代碼刪除了一些意見。但是，該帖子中使用的SQL語句僅計算觀察的總數，而不是按組中的每個觀察值進行計數。

我也想過通過增加一個變量來計數。但看起來這是一個非常糟糕的性能選擇方案。

因此，我想知道是否有任何高性能，同時做到這一點的防錯方式？

我操作的數據集非常大。通常每個數據集有30 Terabytes +，我有成千上萬個用於運行我的代碼。

謝謝！

Answer 1

我用下面的代碼中底：

data quotescount; 
    set quotes_processed; by Symbol; 
    if first.Symbol then count=0; 
    count+1; 
    if last.Symbol then output; 
run; 

這似乎是最可靠的方式，因爲SQL查詢可能返回wrong results。

Answer 2

我會用proc sql：

proc sql; 
    create table newtable as 
     select symbol, count(*) as cnt 
     from stock 
     group by symbol; 
quit;