使用数组将SAS数据集从长格式转宽格式时遇下标越界错误

需求：将REDCap导出的长格式数据集转置为宽格式，每个参与者对应一行，把重复表单的c10_formcompletedate拆分为多列（如c10_formcompletedate1、c10_formcompletedate2...）。因需处理多个变量，不想使用PROC TRANSPOSE，尝试用数组实现时触发报错：Array subscript out of range at line 39 column 4。

原代码 #

proc sort data=bl out=longsrt;
by pid;
run;

data wide;
    set longsrt;
    by pid;
keep pid c10:;
retain c10:;

array ac10_formcompletedate{*} c10_formcompletedate;

if first.pid then
do;
    do i = 1 to 500;
        ac10_formcompletedate ( i ) = .;
    end;

end;

ac10_formcompletedate( redcap_event_name_bl ) = c10_formcompletedate;

if last.pid then output;

run;

测试数据集 #

data bl;
input pid redcap_event_name_bl c10_formcompletedate;
cards;
10001 baseline 2023-10-18
10001 baseline .
10001 baseline .
10001 baseline 2023-10-19
10002 baseline .
10002 baseline 2023-10-18
10002 baseline 2023-10-18
10003 baseline .
10003 baseline 2023-10-18
;
run;

报错原因分析 #

1. 数组定义错误：原数组ac10_formcompletedate{*} c10_formcompletedate;仅关联了单个变量，数组长度为1，但后续循环到500，直接触发下标越界。
2. 下标逻辑错误：用字符变量redcap_event_name_bl（值为baseline）作为数组下标，SAS会自动将字符转为数值，结果为缺失值，同样导致下标越界。
3. 缺少记录计数变量：没有对每个参与者的重复表单记录进行计数，无法将每条记录对应到数组的不同位置。

修正后的代码 #

proc sort data=bl out=longsrt;
by pid;
run;

data wide;
    set longsrt;
    by pid;
    /* 定义数组，生成500个用于存储表单日期的变量，可根据实际需求调整长度 */
    array ac10_formcompletedate[500] c10_formcompletedate1-c10_formcompletedate500;
    /* 计数变量，用于标记当前pid的第几条记录 */
    retain n;
    keep pid c10_formcompletedate:;

    if first.pid then do;
        n = 0;
        /* 初始化数组，用dim函数获取数组实际长度，避免硬编码 */
        do i = 1 to dim(ac10_formcompletedate);
            ac10_formcompletedate[i] = .;
        end;
    end;

    n + 1;
    /* 将当前记录的日期赋值到数组对应位置 */
    if n <= dim(ac10_formcompletedate) then do;
        ac10_formcompletedate[n] = c10_formcompletedate;
    end;

    if last.pid then output;
run;

代码说明 #

• 数组ac10_formcompletedate[500]直接定义了500个变量，覆盖大部分重复记录场景，可根据实际数据的最大重复数调整长度。
• 用n作为计数变量，在每个pid的第一条记录时重置为0，后续每条记录递增，确保每条表单日期对应到不同的数组下标。
• 初始化数组时使用dim(ac10_formcompletedate)获取数组长度，避免硬编码带来的下标越界风险。
• 增加了n <= dim(ac10_formcompletedate)的判断，防止记录数超过数组长度时再次触发报错。

内容的提问来源于stack exchange，提问作者Alessia