如何在SAS中去除重复姓名且保留原始出现顺序？

问题背景 #

现有如下SAS数据集：

Data ss;
infile datalines;
input ename $;
datalines;
Ram
Sita
Ram
Arjun
Sita
Ram
Arjun
;
run;

需要提取ename的唯一值，且输出顺序与原始数据中首次出现的顺序一致（即Ram→Sita→Arjun）。

常规的proc sort+first.ename方法虽然能实现去重，但会对数据排序，输出顺序变为Arjun→Ram→Sita，不符合需求：

proc sort data=ss;
by ename;
run;

data want;
set ss;
by ename;
if first.ename;
run;

解决方案：使用哈希表实现无排序去重 #

利用SAS哈希表可以快速记录已出现的变量值，遍历原始数据集时仅保留首次出现的记录，完美保留原始顺序：

data want;
    set ss;
    /* 初始化哈希表，用于存储已见过的ename值 */
    if _n_ = 1 then do;
        declare hash seen();
        seen.definekey('ename');
        seen.definedone();
    end;
    /* 仅保留首次出现的ename记录 */
    if seen.check() ne 0 then do;
        output;
        seen.add();
    end;
run;

代码说明 #

• 当_n_=1（处理第一条记录时），创建哈希表seen，以ename作为索引键。
• seen.check()方法检查当前ename是否已存在于哈希表：返回0表示已存在，非0表示未出现过。
• 仅当ename未出现过时，执行output保留该记录，并通过seen.add()将其存入哈希表，避免后续重复记录被输出。

运行后输出结果严格遵循原始数据中首次出现的顺序：

Ram
Sita
Arjun

内容的提问来源于stack exchange，提问作者jkatam