如何基于外部SAS数据集为目标数据集添加匹配标记列？

有两种常用方法可实现跨数据集的匹配标记，以下是具体实现：

方法一：使用PROC SQL（直观易写） #

通过左连接关联DB1与DB2，再用CASE WHEN逻辑生成标记列：

proc sql;
    create table DB3 as
    select 
        DB1.ID,
        DB1.my_identifiers,
        case when DB2.my_identifiers_subset is not null then 1 else 0 end as Index
    from DB1
    left join DB2 on DB1.my_identifiers = DB2.my_identifiers_subset
    order by DB1.ID, DB1.my_identifiers;
quit;

• 左连接保留DB1所有行，匹配到DB2对应值的行会返回非空的my_identifiers_subset，否则为缺失值
• CASE WHEN根据匹配结果生成1或0的标记

方法二：使用DATA步+哈希表（大数据集更高效） #

利用SAS哈希表将DB2的匹配值加载到内存，逐行检查DB1记录，适合数据量较大的场景：

data DB3;
    set DB1;
    /* 初始化哈希表，存储DB2的匹配值 */
    if _N_ = 1 then do;
        declare hash h(dataset:'DB2');
        h.defineKey('my_identifiers_subset');
        h.defineData('my_identifiers_subset');
        h.defineDone();
        call missing(my_identifiers_subset);
    end;

    /* 检查当前值是否在哈希表中 */
    if h.find(key:my_identifiers) = 0 then Index = 1;
    else Index = 0;

    drop my_identifiers_subset; /* 移除临时变量 */
run;

• 哈希表仅在第一次循环时初始化，将DB2数据加载到内存
• h.find()返回0表示找到匹配值，否则未找到

生成结果 #

最终DB3数据集与你期望的输出一致：

ID  my_identifiers  Index
1   345             1
1   45              0
2   678             0
3   432             1
3   432             1
4   7               0

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