如何按ID与Start-End统一SAS数据集的Place变量值为1？

问题背景 #

现有SAS数据集have：

data have;
  input ID $ (Start End) (:date.) Place $;
  format start end date9.;
cards;
0001 13JAN2015 20JAN2015 .
0001 13JAN2015 20JAN2015 1
0001 13JAN2015 20JAN2015 .
0001 21JAN2015 31DEC2015 .
0001 01JAN2018 31DEC2018 .
0001 01JAN2019 31DEC2019 .
0002 01JAN2015 31DEC2015 1
0002 01JAN2015 31DEC2015 .
0002 01JAN2015 31DEC2015 1
;

需要实现：按ID+Start-End区间分组，只要组内有观测的Place=1，就把该组所有观测的Place改成1；组内没有1的，保留原缺失值。最终得到have1数据集。

解法1：PROC SQL（简洁高效） #

用分组聚合先判断每组是否存在1，再关联回原数据更新：

proc sql;
  create table have1 as
  select 
    h.ID, 
    h.Start, 
    h.End, 
    /* 组内有1就设为1，否则保留原Place */
    case when g.has_1 = 1 then '1' else h.Place end as Place
  from have h
  left join (
    /* 子查询：按分组统计是否有Place=1 */
    select ID, Start, End, max(Place = '1') as has_1
    from have
    group by ID, Start, End
  ) g
  on h.ID = g.ID and h.Start = g.Start and h.End = g.End
  order by ID, Start, End;
quit;

逻辑解释：

• 子查询里max(Place='1')会返回1（组内有1）或0（没有），因为比较表达式在SAS里会自动转成1/0
• 主查询通过关联把这个标记带回原数据集，用case语句统一替换Place值

解法2：DATA步+PROC SUMMARY（直观易读） #

先统计分组标记，再合并更新：

/* 第一步：用PROC SUMMARY生成每组的标记 */
proc summary data=have nway;
  class ID Start End; /* 指定分组变量 */
  var Place;
  /* 输出组内Place的最大值：只要有1，max就是1 */
  output out=group_mark(keep=ID Start End max_place) max=max_place;
run;

/* 第二步：合并原数据和标记，更新Place */
data have1;
  merge have group_mark;
  by ID Start End;
  if max_place = '1' then Place = '1';
  drop max_place; /* 删掉临时标记变量 */
run;

逻辑解释：

• PROC SUMMARY的nway参数只保留全分组的结果，max(Place)能直接拿到组内的最高值，只要有1就会返回1
• 用merge按分组变量合并，直接判断标记更新Place，逻辑简单直观

解法3：纯DATA步（无需额外过程） #

如果不想用PROC过程，纯DATA步也能实现，前提是先排序：

/* 先按分组变量排序，保证BY组处理的顺序 */
proc sort data=have;
  by ID Start End;
run;

data have1;
  set have;
  by ID Start End;
  retain group_has_1; /* 跨观测保留组内标记值 */
  
  /* 每组的第一个观测时，初始化标记并检查组内是否有1 */
  if first.End then do;
    group_has_1 = 0;
    /* 遍历当前组的所有观测，找是否有Place=1 */
    do i = _n_ to _n_ + (last.End - first.End);
      set have(keep=Place) point=i;
      if Place = '1' then do;
        group_has_1 = 1;
        leave; /* 找到就退出循环，节省资源 */
      end;
    end;
  end;
  
  /* 根据标记更新Place */
  if group_has_1 = 1 then Place = '1';
  
  drop group_has_1 i;
run;

逻辑解释：

• retain变量用来跨观测保存组内的标记状态
• 在每组的第一个观测（first.End）时，用point=指针遍历当前组的所有观测，判断是否存在1
• 后续观测直接用标记更新Place，无需重复判断

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