SAS中如何合并存在交叉的日期范围并更新FLAG标识？

需求说明：针对同一ID和PROV分组下存在交叉或重叠的日期范围记录，将其合并为一条记录，并将合并后的记录FLAG字段设置为OK。

原始数据集 #

ID  PROV    dt_entrata  dt_uscita   FLAG
381 00001   31/12/2004  09/11/2005  OK
381 00001   05/07/2011  16/04/2012  OK
381 00001   31/12/2013  20/10/2014  KO
381 00001   19/10/2014  15/02/2018  KO

目标数据集 #

ID  PROV    dt_entrata  dt_uscita   FLAG
381 00001   31/12/2004  09/11/2005  OK
381 00001   05/07/2011  16/04/2012  OK
381 00001   31/12/2013  15/02/2018  OK

SAS实现代码 #

步骤1：转换日期格式并排序 #

先把字符型日期转为SAS内置日期型变量（方便日期比较），再按ID、PROV和起始日期排序，确保同组记录按时间顺序排列。

/* 转换字符日期为SAS日期型，同时保留原格式显示 */
data sorted_data;
    set original_data;
    dt_entrata_sas = input(dt_entrata, ddmmyy10.);
    dt_uscita_sas = input(dt_uscita, ddmmyy10.);
    format dt_entrata_sas dt_uscita_sas ddmmyy10.;
run;

/* 按分组和起始日期排序 */
proc sort data=sorted_data;
    by ID PROV dt_entrata_sas;
run;

步骤2：合并交叉/重叠日期范围 #

用数据步的分组逻辑，遍历同组记录，合并交叉或连续的日期区间，最终输出合并后的记录并设置FLAG为OK。

/* 合并交叉日期区间 */
data merged_data;
    set sorted_data;
    by ID PROV;
    retain current_start current_end;
    
    /* 分组第一条记录初始化当前区间 */
    if first.PROV then do;
        current_start = dt_entrata_sas;
        current_end = dt_uscita_sas;
    end;
    else do;
        /* 当前记录与现有区间有交叉/重叠，合并区间 */
        if dt_entrata_sas <= current_end then do;
            current_end = max(current_end, dt_uscita_sas);
        end;
        /* 无交叉，输出已合并的区间，再初始化新区间 */
        else do;
            dt_entrata = put(current_start, ddmmyy10.);
            dt_uscita = put(current_end, ddmmyy10.);
            FLAG = 'OK';
            output;
            current_start = dt_entrata_sas;
            current_end = dt_uscita_sas;
        end;
    end;
    
    /* 输出分组最后一条合并后的区间 */
    if last.PROV then do;
        dt_entrata = put(current_start, ddmmyy10.);
        dt_uscita = put(current_end, ddmmyy10.);
        FLAG = 'OK';
        output;
    end;
    
    /* 保留需要的输出字段 */
    keep ID PROV dt_entrata dt_uscita FLAG;
run;

代码说明 #

• retain语句用于跨观测保留当前区间的起止日期，实现分组内的状态传递
• 通过first.PROV和last.PROV识别分组的首尾记录，处理分组初始化和收尾输出逻辑
• 当当前记录的起始日期不晚于现有区间的结束日期时，判定为交叉/重叠，更新区间结束日期为两者最大值
• 无交叉时输出已合并的区间，再开始新的区间统计
• 最后将SAS日期型变量转回原字符格式，保证输出格式与原始数据一致

内容的提问来源于stack exchange，提问作者Pier