如何在SAS中通过Data Step实现无BY语句的数据集全量合并

首先得明白为什么你直接用Merge have1 have2;会得到只有第一行有y和z的结果：SAS的Data Step合并默认是按观测序号匹配，当没有指定BY语句时，它会把两个数据集的第1行合并、第2行合并……但have2只有1个观测，所以第2、3行就没有y和z的取值了，自然显示为缺失。

下面给你几个纯Data Step的解决方案，都能实现你想要的“把have2的变量值带到have1的每一行”的需求：

方法1：使用RETAIN语句保留变量值 #

这是最简单的方法，利用RETAIN语句让y和z的取值在Data Step的循环中不会被重置为缺失：

Data want; 
  Merge have1 have2;
  retain y z; /* 保留y和z的取值，避免新观测开始时被清空 */
Run;

当Data Step处理have1的第2、3个观测时，RETAIN会让y和z保持have2中的'A'和'B'，不会变成缺失值。

方法2：用SET语句循环读取数据集 #

这种方法通过先加载have2的变量，再循环读取have1的每一行并输出，确保每一行都带上have2的变量：

Data want;
  set have2; /* 先把have2的y、z读入PDV */
  do until(eof); /* 循环读取have1直到结束 */
    set have1 end=eof; /* end=eof会在最后一个观测时把eof设为1 */
    output; /* 输出当前PDV的内容，包含y、z和当前的x */
  end;
Run;

这个方法逻辑更直观，也适合have2有多行时需要做笛卡尔积合并的场景。

方法3：添加虚拟BY组变量合并 #

给两个数据集都添加一个相同的分组变量，然后通过BY语句合并，SAS会把同一组内的所有观测进行合并：

/* 给have1添加虚拟分组变量 */
Data have1_v;
  set have1;
  group = 1;
Run;
/* 给have2添加相同的虚拟分组变量 */
Data have2_v;
  set have2;
  group = 1;
Run;
/* 按虚拟分组变量合并 */
Data want;
  merge have1_v have2_v;
  by group;
Run;

因为两个数据集的group值都是1，属于同一个BY组，SAS会将have1的所有观测和have2的观测合并到同一组中，实现每行都带上y和z的效果。

方法对比 #

• 如果只是简单的单观测数据集合并，**方法1（RETAIN）**最简洁高效；
• 如果需要更灵活的循环控制（比如处理多个观测的匹配），**方法2（SET循环）**更合适；
• **方法3（虚拟BY组）**适合需要按分组逻辑合并的场景，扩展性更强。

内容的提问来源于stack exchange，提问作者Serge Kashlik