基于重复ID添加递增索引的SAS实现方法问询

针对已按ID排序的SAS数据集DB，要生成带组内递增索引Index的数据集DB1，有两种常用实现方式：

方法一：DATA步BY组处理 #

这是SAS中处理分组计数最直接的方式，利用BY组的自动分组特性实现：

data DB1;
    set DB;
    by ID; /* 按ID分组，数据集需已按ID排序 */
    retain Index 0; /* 保留Index的数值，初始为0 */
    if first.ID then Index = 1; /* 每组第一条记录，重置索引为1 */
    else Index + 1; /* 组内后续记录，索引递增 */
run;

代码说明 #

• by ID：触发SAS的BY组处理逻辑，自动生成first.ID和last.ID两个临时变量，分别标记每组的第一条和最后一条记录。
• retain Index 0：让Index变量的值在数据步循环中保留，不会每次迭代都重置为缺失。
• 当first.ID为真时（每组第一条），将Index设为1；否则执行Index + 1实现递增。

方法二：PROC SQL窗口函数实现 #

利用SQL的窗口函数row_number()，直接按ID分组并生成组内序号：

proc sql;
    create table DB1 as
        select 
            ID,
            row_number() over(partition by ID order by monotonic()) as Index
        from DB;
quit;

代码说明 #

• partition by ID：按ID分组。
• order by monotonic()：保证按原数据集的行号顺序生成索引（因原数据集已按ID排序，也可省略order by，但显式指定更严谨）。
• row_number()：为每个分组内的记录生成从1开始的递增序号。

两种方法都能生成符合需求的DB1数据集，其中DATA步方法在处理大数据集时性能更优，PROC SQL则更简洁直观。

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