如何高效实现SAS中多变量按ID求和并生成总变量

核心思路 #

利用SAS数组配合BY组或PROC SQL实现批量求和，替代逐个调用宏的低效方式，以下提供两种实用方案：

方案1：DATA步+BY组+数组（保留原始观测并生成合计） #

若需保留每个ID的所有原始观测，同时在每条观测上附加该ID的各变量合计值，可使用此方法：

/* 假设原始数据集为raw_data，分组变量为id，待求和变量为var1-var50，对应新合计变量为var1_total-var50_total */
/* 先确保数据集按id排序 */
proc sort data=raw_data;
    by id;
run;

data raw_data_with_total;
    set raw_data;
    by id;
    
    /* 定义原变量数组与合计变量数组，数量匹配待求和变量数 */
    array vars[50] var1-var50;
    array totals[50] var1_total-var50_total;
    
    /* 每个ID的第一条观测时初始化合计数组 */
    if first.id then do i=1 to dim(vars);
        totals[i] = 0;
    end;
    
    /* 累加对应变量值到合计数组 */
    do i=1 to dim(vars);
        totals[i] + vars[i];
    end;
    
    /* 若仅需保留每个ID的合计行，可添加：if last.id then output; */
run;

方案2：PROC SQL+动态代码（直接生成ID级合计数据集） #

若只需要每个ID一行的汇总结果，结合字典表生成动态求和语句更简洁：

/* 从字典表提取待求和变量列表，按实际变量规则筛选 */
proc sql noprint;
    /* 获取原始变量列表 */
    select name into :var_list separated by ','
    from dictionary.columns
    where libname='WORK' and memname='RAW_DATA' and name like 'VAR%';
    
    /* 生成"变量名 sum(变量名) as 变量名_total"格式的求和语句 */
    select cats(name, ' sum(', name, ') as ', name, '_total') into :sum_list separated by ','
    from dictionary.columns
    where libname='WORK' and memname='RAW_DATA' and name like 'VAR%';
quit;

/* 执行批量分组求和 */
proc sql;
    create table id_total as
    select id, &sum_list.
    from raw_data
    group by id;
quit;

关键注意事项 #

• 使用DATA步BY组时，必须先对数据集按id排序，否则无法正确识别first.id和last.id
• 数组定义时，若变量名不连续，可直接罗列变量名，并用[*]自动识别数量，如array vars[*] var1 var3 var7 ...;
• 字典表筛选时，libname和memname需大写，SAS字典表存储的是大写名称

内容的提问来源于stack exchange，提问作者jean