如何在SAS EG中创建符合学期与课程号条件的0-1标记变量？

需求回顾 #

• 学期编码规则：201801代表2018春季，201870代表2018秋季，需按**学期+课程号（CNUM）**维度判断重复
• 标记规则：
  • CNUM为空白值→标记1
  • 同一学期内CNUM首次出现→标记1
  • 同一学期内CNUM重复出现→标记0
• 数据已按升序排序，同一CNUM可出现在不同学期

实现方案 #

方法1：DATA步（BY组处理，推荐） #

利用SAS的BY组自动生成的FIRST.变量，高效处理已排序的数据：

/* 替换course_data为你的实际数据集名，TERM为学期列名，CNUM为课程号列名 */
DATA course_marked;
    SET course_data;
    BY TERM CNUM;
    /* 生成标记列FLAG */
    IF CNUM = '' THEN FLAG = 1;
    ELSE IF FIRST.CNUM THEN FLAG = 1;
    ELSE FLAG = 0;
RUN;

说明：因为数据已按升序排序，BY TERM CNUM会让SAS自动识别每组的首行，FIRST.CNUM=1表示当前行是同一学期内该课程号的首次出现。

方法2：PROC SQL（窗口函数实现） #

用窗口函数ROW_NUMBER()对每组数据编号，判断是否为组内首行：

PROC SQL;
    CREATE TABLE course_marked AS
    SELECT 
        *,
        CASE
            WHEN CNUM = '' THEN 1
            WHEN ROW_NUMBER() OVER (PARTITION BY TERM, CNUM ORDER BY TERM, CNUM) = 1 THEN 1
            ELSE 0
        END AS FLAG
    FROM course_data; /* 替换为你的实际数据集名 */
QUIT;

说明：PARTITION BY TERM, CNUM按学期和课程号分组，ROW_NUMBER()给每组内的行依次编号，编号为1的行即为该组首行（首次出现）。

SAS EG操作步骤 #

1. 打开SAS EG，连接到你的数据源，确认目标数据集已加载
2. 新建「程序」节点，粘贴上述任意一段代码，修改数据集名和列名匹配你的实际数据
3. 运行程序，生成的course_marked数据集即为包含标记列的结果集

内容的提问来源于stack exchange，提问作者Elizabeth