按ID标记重复入院出院日期：为首次记录设Index=1其余设缺失值

原始数据集DB #

data DB;
  input ID :$20. Admission :date09. Discharge :date09.; 
  format Admission date9. Discharge date9.;
cards;
0001 13JAN2017 25JAN2017 
0001 13JAN2017 25JAN2017 
0001 13JAN2017 25JAN2017
0001 11MAR2017 16MAY2017 
0001 30JAN2019 04MAR2019 
0002 11SEP2014 15SEP2014 
0002 28DEC2014 03JAN2015 
0002 28DEC2014 03JAN2015 
;
run;

目标需求与示例 #

要求按ID分组，每组内Admission和Discharge日期完全重复的记录，仅首次出现的记录将Index设为1，其余重复记录的Index设为缺失值，目标数据集DB1如下：

data DB1;
  input ID :$20. Admission :date09. Discharge :date09. Index; 
  format Admission date9. Discharge date9.;
cards;
0001 13JAN2017 25JAN2017 1
0001 13JAN2017 25JAN2017 .
0001 13JAN2017 25JAN2017 .
0001 11MAR2017 16MAY2017 1
0001 30JAN2019 04MAR2019 1
0002 11SEP2014 15SEP2014 1
0002 28DEC2014 03JAN2015 1
0002 28DEC2014 03JAN2015 .
;
run;

解决方案代码 #

步骤1：排序数据集 #

先将原始数据集按ID、Admission、Discharge排序，确保相同ID下的重复入院出院记录连续排列：

proc sort data=DB;
  by ID Admission Discharge;
run;

步骤2：生成目标数据集 #

利用SAS的BY语句自动生成的first.临时变量，标记每组的第一条记录：

data DB1;
  set DB;
  by ID Admission Discharge;
  /* 仅当前ID-Admission-Discharge组合的第一条记录设置Index为1，其余设为缺失 */
  if first.Discharge then Index = 1;
  else Index = .;
run;

代码说明 #

• proc sort：将同一ID下的相同入院出院日期记录归为连续组，保证first.Discharge变量能准确识别每组的起始记录。
• by ID Admission Discharge：SAS会自动创建first.Discharge临时变量，该变量值为1时，表示当前记录是ID-Admission-Discharge组合的第一条记录。
• 条件赋值：通过if-else语句判断first.Discharge的值，为1时Index设为1，否则设为缺失值。也可以用条件函数简化写法：Index = ifn(first.Discharge, 1, .);

内容的提问来源于stack exchange，提问作者NewUsr_stat