如何使用SAS数据步保留日期值并生成NEWCHGDATE变量

我有一个包含STS和CHGDATE字段的SAS数据集，需要创建新日期变量NEWCHGDATE，规则如下：

• 当STS=03连续出现时，保留该组的首个CHGDATE值；
• 当STS不为03时，NEWCHGDATE直接取当前行的CHGDATE值。

输入数据示例 #

ID               CHGDATE          STS
 101              11/22/2022        03
 101              11/23/2022        03
 101              11/24/2022        03
 101              03/08/2023        04
 102              01/11/2022        03
 102              01/12/2022        05
 102              02/12/2023        03
 102              02/15/2023        04

期望输出数据示例 #

ID               CHGDATE          STS     NEWCHGDATE
101              11/22/2022        03       11/22/2022
101              11/23/2022        03       11/22/2022
101              11/24/2022        03       11/22/2022
101              03/08/2023        04       03/08/2023
102              01/11/2022        03       01/11/2022
102              01/12/2022        05       01/12/2022
102              02/12/2023        03       02/12/2023
102              02/15/2023        04       02/15/2023

原代码问题 #

我编写的SAS数据步代码未得到预期结果，代码如下：

data want;
    set have;
    by id;
  if first.id then do;
    lag_sts = '';
    newchgdate = chgdate;
  end;
 else lag_sts = sts;
  if sts not in ('03') then newchgdate = chgdate;
   else newchgdate = ifn(missing(lag_sts),., lag(newchgdate));
 run;

要实现需求，核心是按ID分组，同时识别连续的STS=03组，保留每组的首个CHGDATE。以下是可行的实现代码：

data want;
    set have;
    by id;
    /* 定义分组标识：ID切换或当前STS≠03时，启动新组 */
    if first.id or sts ne '03' then group_id + 1;
    /* 保留每组的首个CHGDATE，仅在组起始时更新 */
    retain newchgdate;
    if first.id or sts ne '03' or (sts eq '03' and lag(sts) ne '03') then do;
        newchgdate = chgdate;
    end;
    format newchgdate mmddyy10.; /* 确保日期格式与原字段一致 */
run;

代码解释 #

1. 分组标识group_id：通过ID切换或STS非03的条件，划分出独立的连续组，区分不同的STS=03区块和非03行。
2. RETAIN语句：让newchgdate的值在数据步循环中保留，不会自动重置为缺失值。
3. 更新逻辑：
   • ID的第一行直接赋值当前CHGDATE；
   • STS≠03时直接赋值当前CHGDATE；
   • STS=03但上一行STS≠03（新的连续03组起始）时，赋值当前CHGDATE；
   • 其余连续03的行，保留之前的newchgdate值。

简洁版实现 #

如果不需要分组标识变量，也可以用更简洁的写法：

data want;
    set have;
    by id notsorted;
    if first.id or (sts eq '03' and lag(sts) ne '03') or sts ne '03' then do;
        newchgdate = chgdate;
    end;
    retain newchgdate;
    format newchgdate mmddyy10.;
run;

原代码问题分析 #

原代码无法得到预期结果的原因：

• lag_sts的赋值逻辑错误，else lag_sts = sts导致它始终等于当前行的STS，无法获取上一行的STS值；
• 使用lag(newchgdate)的方式有误，LAG函数是队列式调用，在条件分支中使用容易导致值错位；
• 没有正确识别连续STS=03组的起始点，无法精准保留组内首个日期。

内容的提问来源于stack exchange，提问作者Prasad