SAS中Proc SQL多匹配Full Join仅保留唯一匹配的实现方法

当两个数据集在Pat和Date分组下存在多条记录时，full join会生成所有可能的组合（笛卡尔积），导致输出4行结果。要实现每组仅保留1:1的匹配对，核心是给每个分组内的记录添加唯一序号，再将序号作为额外的匹配条件。

方法一：PROC SQL子查询直接生成序号并关联 #

直接在子查询中用row_number()函数为每个Pat+Date分组内的记录编号，再基于编号做匹配：

proc sql;
    create table want as
    select a.*, b.*
    from (
        select *, row_number() over(partition by Pat, Date1 order by ID1) as seq
        from have1
    ) as a
    full join (
        select *, row_number() over(partition by Pat, Date2 order by ID2) as seq
        from have2
    ) as b
    on a.Pat = b.Pat
    and a.Date1 = b.Date2
    and a.seq = b.seq;
quit;

方法二：DATA步先添加序号再关联 #

先通过DATA步的by语句为每个分组生成序号，再执行关联：

/* 为高层表单添加组内序号 */
data have1_seq;
    set have1;
    by Pat Date1;
    if first.Date1 then seq = 0;
    seq + 1;
run;

/* 为详细表单添加组内序号 */
data have2_seq;
    set have2;
    by Pat Date2;
    if first.Date2 then seq = 0;
    seq + 1;
run;

/* 基于Pat、Date和序号执行Full Join */
proc sql;
    create table want as
    select *
    from have1_seq
    full join have2_seq
    on have1_seq.Pat = have2_seq.Pat
    and have1_seq.Date1 = have2_seq.Date2
    and have1_seq.seq = have2_seq.seq;
quit;

说明 #

两种方法都能生成仅包含2行的结果集，每个高层表单对应一个详细表单。如果两个分组内的记录数不一致（比如一个3条、一个2条），多出来的记录会保留缺失匹配项，符合Full Join的逻辑。

内容的提问来源于stack exchange，提问作者jackahall