如何解读SAS代码中if first.y then zzz="Y"; else delete;这段逻辑？

核心作用 #

这段代码的本质是：在按New_Col和y组合分组的数据集中，仅保留每个(New_Col, y)组合的第一条观测，并为这些保留的观测新增一个值为"Y"的变量zzz。

逐部分拆解 #

1. by New_Col y;

   • 当SAS Data步中使用BY语句时，会自动生成两个临时布尔变量：first.变量和last.变量（取值为1/0，代表真/假）。
   • 这里的分组逻辑是：先按New_Col将数据分成大组，再在每个New_Col大组内，按y分成子组。first.y用来标记当前New_Col组内，某个y值对应的第一条观测。

2. if first.y then zzz = "Y"; else delete;

   • 当观测是当前(New_Col, y)组合的第一条时：给变量zzz赋值为"Y"，并保留该观测。
   • 当观测不是当前(New_Col, y)组合的第一条时：执行delete语句，直接丢弃该观测。

结合示例数据的实际效果 #

先看original_data_1的原始数据：

按New_Col y分组后，每个组合的第一条观测都会被保留：

• AAA组内：y=4、y=3的第一条观测均保留
• BBB组内：y=3、y=5、y=2的第一条观测均保留

最终data_2的输出结果：

注意事项 #

使用BY语句时，输入数据集必须先按BY变量排序（或建立对应的索引），否则first./last.的判断会出错。用户的原代码中缺少排序步骤，实际运行前需添加：

proc sort data=original_data_1;
    by New_Col y;
run;

内容的提问来源于stack exchange，提问作者Bogaso