如何在SAS中基于另一数据集匹配primaryID与TypeID填充字段？

我之前做过这个操作，按理说并不难……但现在完全想不起来该如何高效实现了。

我有两个数据集：

数据集1（Table 1） #

数据集2（Table 2） #

我需要在数据集1中新增一个字段（Value），取值为数据集2中匹配primaryID的行里与TypeID对应的值。

预期输出 #

方法1：SQL实现 #

通过JOIN关联两个表，结合CASE语句匹配TypeID对应的字段值：

SELECT 
    t1.primaryID,
    t1.TypeID,
    CASE t1.TypeID
        WHEN 'A' THEN t2.valueA
        WHEN 'B' THEN t2.valueB
        WHEN 'C' THEN t2.valueC
    END AS Value
FROM Table1 t1
JOIN Table2 t2 ON t1.primaryID = t2.primaryID;

如果TypeID类型较多，可改用动态SQL，但针对固定的A/B/C场景，上述语句高效且直接。

方法2：Python Pandas实现 #

基础实现（适合中小数据集） #

先合并数据集，再通过apply提取对应字段值：

import pandas as pd

# 构造示例数据（实际可直接读取数据源）
table1 = pd.DataFrame({
    'primaryID': [1001,1001,1001,1002,1003,1004,1004,1005],
    'TypeID': ['A','B','C','B','C','A','C','B']
})

table2 = pd.DataFrame({
    'primaryID': [1001,1002,1003,1004,1005],
    'valueA': [12,10,9,14,5],
    'valueB': [0.22,0.19,0.18,0.3,0.12],
    'valueC': [0.042,0.039,0.036,0.062,0.028]
})

# 按primaryID合并数据
merged = table1.merge(table2, on='primaryID', how='left')
# 提取对应TypeID的Value
merged['Value'] = merged.apply(lambda row: row[f'value{row["TypeID"]}'], axis=1)
# 保留目标列
result = merged[['primaryID', 'TypeID', 'Value']]
print(result)

优化实现（适合大数据集） #

用np.select替代apply，提升运行效率：

import pandas as pd
import numpy as np

# 合并数据步骤同上
merged = table1.merge(table2, on='primaryID', how='left')

# 定义匹配条件与对应取值
conditions = [
    merged['TypeID'] == 'A',
    merged['TypeID'] == 'B',
    merged['TypeID'] == 'C'
]
choices = [merged['valueA'], merged['valueB'], merged['valueC']]

merged['Value'] = np.select(conditions, choices)
result = merged[['primaryID', 'TypeID', 'Value']]

内容的提问来源于stack exchange，提问作者LR2008