如何基于同一ID的多状态条件生成目标SAS数据集？

原始数据集 #

data df; 
input ID status$; 
datalines; 
1 YES
1 YES
1 YES
2 NO
2 YES
2 YES
2 YES
2 YES
3 NO
3 NO
3 NO
;
run;

需求说明 #

按ID聚合状态：

• 同一ID下只要存在至少一个NO，最终状态为NO
• 同一ID下所有status均为YES，最终状态为YES

以下是两种比proc transpose更高效的实现方法：

方法1：Proc SQL（简洁高效） #

利用字符排序特性，用min()函数直接聚合，代码量最少，执行效率高：

proc sql;
create table df_final as
select ID, min(status) as status$
from df
group by ID;
quit;

原理：字符排序中NO的ASCII码小于YES，因此min(status)会优先返回NO；仅当所有状态都是YES时，才会返回YES，完全匹配需求。

方法2：Data步分组处理（大数据量友好） #

通过BY分组遍历观测，用retain保留状态标记，适合超大数据集的批量处理：

data df_final;
set df;
by ID;
retain final_status;
if first.ID then final_status = 'YES'; /* 初始化默认状态为YES */
if status = 'NO' then final_status = 'NO'; /* 发现NO立即更新状态 */
if last.ID then do;
    status = final_status;
    output; /* 仅输出每个ID的最终结果 */
end;
drop final_status;
run;

原理：每个ID的第一条观测初始化状态为YES，遍历过程中只要遇到NO就修改状态，最后在每个ID的最后一条观测时输出结果，避免了转置操作的额外开销。

目标输出结果 #

data df_final; 
input ID status$; 
datalines; 
1 YES
2 NO
3 NO
;
run;

内容的提问来源于stack exchange，提问作者An116