按ID和日期比对SAS数据集变量并生成New_Var的方法

核心思路 #

• 先清理DB1的重复数据：由于同一ID+入院/出院日期对应的Variable_值一致，直接按这三个字段去重，保留唯一行即可
• 以DB为主表，和去重后的DB1做左连接，确保DB的所有记录都能保留到结果集里
• 根据连接后的字段值，按规则生成新变量New_Var

具体代码实现 #

/* 第一步：对DB1去重，消除重复的日期记录 */
proc sort data=DB1 nodupkey;
    by ID Admission Discharge;
run;

/* 第二步：左连接数据集并生成新变量 */
proc sql;
    create table DB2 as
    select 
        DB.*,
        /* 严格按规则赋值：仅当DB.Variable=0且匹配到的DB1.Variable_=1时New_Var=1，其余情况为0 */
        case 
            when DB.Variable = 0 and DB1.Variable_ = 1 then 1
            else 0
        end as New_Var
    from DB
    left join DB1
        on DB.ID = DB1.ID
        and DB.Admission = DB1.Admission
        and DB.Discharge = DB1.Discharge
    order by DB.ID, DB.Admission, DB.Discharge;
quit;

关键说明 #

• 左连接保证DB的所有记录都被保留，即使在DB1中找不到对应匹配项，此时New_Var会自动取0
• nodupkey去重是安全的，因为题目明确DB1重复日期对应的Variable_值一致，不会丢失有效信息
• 如果DB中存在多条相同ID+日期的记录，连接后会正常匹配，不会出现异常

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