如何用SAS Base按条件合并小占比类并计算新占比列

你的需求是将占比perc_tot_1≤1的类别合并，直到合并后总占比>1，生成新分组标识_idx_new和合并占比perc_tot_2。原代码的问题在于仅通过lag1判断上一行数据，无法实现多类别累计合并的逻辑，也未处理占比≥1的类别分组，导致结果异常。

修正思路 #

1. 确保数据按_idx排序（原代码使用by _idx，默认数据已排序）
2. 用retain变量跟踪当前合并组的累计占比、组号及组总占比
3. 分两类处理数据：
   • 占比perc_tot_1≥1的类别直接单独成组
   • 占比perc_tot_1<1的类别累计入当前合并组，直到累计占比>1时开启新组
4. 最终将临时变量结果赋值给目标列_idx_new和perc_tot_2

修正后的SAS代码 #

/* 假设dataset已按_idx排序，&tot.为总频数的宏变量 */
data test1;
    set dataset;
    by _idx;
    /* 计算原始占比 */
    perc_tot = _freq / &tot.;
    perc_tot_1 = perc_tot * 100; /* 简化占比百分比计算 */
    
    /* 定义retain变量：当前组号、累计占比、组总占比 */
    retain _current_group 0 _cum_perc 0 _group_perc 0;
    
    /* 第一行数据初始化 */
    if _n_ = 1 then do;
        if perc_tot_1 >= 1 then do;
            _current_group = 1;
            _group_perc = perc_tot_1;
            _cum_perc = 0; /* 重置累计占比，为下一组做准备 */
        end;
        else do;
            _current_group = 1;
            _cum_perc = perc_tot_1;
            _group_perc = _cum_perc;
        end;
    end;
    else do;
        if perc_tot_1 >= 1 then do;
            /* 占比≥1的类别单独成组 */
            _current_group + 1;
            _group_perc = perc_tot_1;
            _cum_perc = 0;
        end;
        else do;
            /* 占比<1的类别加入当前合并组，累计占比 */
            _cum_perc + perc_tot_1;
            _group_perc = _cum_perc;
            
            /* 累计占比超过1时，开启新的合并组 */
            if _cum_perc > 1 then do;
                _current_group + 1;
                _cum_perc = 0;
            end;
        end;
    end;
    
    /* 赋值目标列 */
    _idx_new = _current_group;
    perc_tot_2 = _group_perc;
    
    /* 可选：删除临时变量，保持数据集整洁 */
    drop _cum_perc _current_group _group_perc;
run;

代码说明 #

• retain变量：持续跟踪跨观测的状态，实现累计合并逻辑，避免lag函数只能访问上一行数据的局限性
• 分组逻辑：确保占比≥1的类别独立分组，占比<1的类别逐步累计，直到总占比超过1时自动拆分新组
• 临时变量清理：通过drop语句删除过程中使用的临时变量，仅保留业务需要的列

内容的提问来源于stack exchange，提问作者user14419016