SAS合并数据集时RETAIN的作用及Python等效实现

关于RETAIN语句的作用 #

在SAS的DATA步中，默认每次处理新观测时，所有变量会被重置为缺失值。RETAIN语句的核心作用是让指定变量在DATA步的循环迭代之间保留上一次的取值，不会被自动重置。

但你这段代码里的RETAIN UEN UEN_NO FEE属于冗余代码，没有实际效果。因为SET DF_ADJ1 DF_ADJ2是按顺序读取两个数据集的每一条观测，每次读取新观测时，这三个变量会被新观测的对应值直接覆盖，完全没机会用到上一次保留的值，所以去掉RETAIN后结果完全一致。

Python等效实现 #

这段SAS代码的核心逻辑是合并两个数据集并保留指定列，用Pandas实现的代码如下：

import pandas as pd

# 假设DF_ADJ1和DF_ADJ2是已加载的Pandas DataFrame
df_final = pd.concat([DF_ADJ1, DF_ADJ2], ignore_index=True)[['UEN', 'UEN_NO', 'FEE']]

• pd.concat([DF_ADJ1, DF_ADJ2], ignore_index=True)：按行合并两个DataFrame，ignore_index=True重置索引，和SAS默认生成连续观测编号的逻辑对齐。
• [['UEN', 'UEN_NO', 'FEE']]：筛选保留目标列，对应SAS的KEEP语句。

内容的提问来源于stack exchange，提问作者stranger12309