如何使用SAS按ID提取唯一非空账户邮箱？

需要为特定ID返回唯一的账户邮箱，部分ID对应多个邮箱但存在重复值，还包含空值，尝试用循环实现但未成功。

现有数据集 HAVE：

ID  ACCOUNT_EMAIL
114 email_1@gmail.com
114 email_1@gmail.com
114 email_2@gmail.com
114 .

期望得到的数据集 WANT：

ID  ACCOUNT_EMAIL
114 email_1@gmail.com
114 email_2@gmail.com

以下是尝试编写的SAS代码：

CREATE TABLE test AS 
SELECT DISTINCT
ID
,UPPER(ACCOUNTEMAILADDRESS) AS Account_Email
FROM DATABASE
;QUIT;

PROC SORT DATA=test;
BY ID
descending Account_Email;
Run;

DATA test;
SET test;
BY ID descending Account_Email;
IF last.Account_Email AND Account_Email = '' THEN dupIND = "Y";
ELSE dupIND = "N";;
RUN;

解决方案 #

方法1：SQL一步实现（推荐）

直接通过SQL过滤空值并去重，同时可统一邮箱大小写：

CREATE TABLE WANT AS
SELECT DISTINCT
    ID,
    UPPER(ACCOUNT_EMAIL) AS ACCOUNT_EMAIL /* 不需要大写可去掉UPPER */
FROM HAVE
WHERE ACCOUNT_EMAIL IS NOT NULL; /* 排除空值 */
QUIT;

方法2：DATA步+PROC SORT

先过滤空值，再排序去重：

/* 第一步：过滤空值观测 */
DATA temp;
    SET HAVE;
    WHERE ACCOUNT_EMAIL IS NOT NULL;
RUN;

/* 第二步：按ID和邮箱排序，保留唯一组合 */
PROC SORT DATA=temp OUT=WANT NODUPKEY;
    BY ID ACCOUNT_EMAIL;
RUN;

原代码问题说明 #

1. 列名不匹配：原代码中使用ACCOUNTEMAILADDRESS，但数据集实际列名为ACCOUNT_EMAIL，属于笔误；
2. 逻辑冗余：无需标记重复标识dupIND，直接过滤空值后去重即可满足需求，无需额外复杂判断。

内容的提问来源于stack exchange，提问作者neatl