如何基于另一数据集的累积概率为客户数据集新增列？

针对你的需求，这里提供几种实用的实现方法，涵盖SQL和SAS（考虑到你提到了do loop，推测可能使用SAS）两种场景：

前提准备 #

首先确保概率表（第二个数据集）已按CumulativeProb升序排列，否则后续匹配逻辑会出错。以SAS为例：

proc sort data=prob_table;
    by CumulativeProb;
run;

方法1：通用SQL实现 #

适用于大多数SQL环境（SAS SQL、MySQL、PostgreSQL等），通过子查询找到第一个大于等于RandUnif的累积概率对应的NumOutcomes：

SELECT 
    c.ClientId,
    c.RandUnif,
    -- 匹配对应区间的结果值
    (SELECT MIN(p.NumOutcomes) 
     FROM prob_table p 
     WHERE p.CumulativeProb >= c.RandUnif) AS Outcome
FROM client_table c;

如果需要处理RandUnif大于所有累积概率的情况（比如设为最大结果值+1），可以用COALESCE补充：

SELECT 
    c.ClientId,
    c.RandUnif,
    COALESCE(
        (SELECT MIN(p.NumOutcomes) 
         FROM prob_table p 
         WHERE p.CumulativeProb >= c.RandUnif),
        (SELECT MAX(p.NumOutcomes) FROM prob_table p) + 1
    ) AS Outcome
FROM client_table c;

方法2：SAS DATA步实现 #

通过合并数据集+retain变量跟踪区间，适合熟悉SAS数据步的用户：

data client_with_outcome;
    merge client_table(in=in_client) prob_table;
    by CumulativeProb;
    if in_client;
    retain current_outcome;
    
    -- 初始化第一个区间的结果值
    if first.CumulativeProb then current_outcome = NumOutcomes;
    -- 当RandUnif超过上一个累积概率时，更新结果值
    else if RandUnif > lag(CumulativeProb) then current_outcome = NumOutcomes;
    
    -- 处理RandUnif大于所有累积概率的情况（按需调整）
    if RandUnif > CumulativeProb then current_outcome = .; 
    rename current_outcome = Outcome;
run;

方法3：SAS PROC FORMAT自定义格式（复用性强） #

如果需要重复使用这个区间映射规则，可以先自定义格式，再应用到RandUnif列：

-- 生成格式输入数据
data fmt_input;
    set prob_table end=last_row;
    start = lag(CumulativeProb);
    -- 第一个区间从0开始（因为RandUnif是0-1的均匀分布）
    if _n_ = 1 then start = 0;
    end = CumulativeProb;
    label = NumOutcomes;
    output;
    
    -- 处理超过最大累积概率的区间
    if last_row then do;
        start = CumulativeProb;
        end = 1;
        label = NumOutcomes + 1; -- 按需调整值
        output;
    end;
run;

-- 创建自定义格式
proc format cntlin=fmt_input;
    value outcome_fmt low-high = [label];
run;

-- 应用格式生成新列
data client_with_outcome;
    set client_table;
    Outcome = input(put(RandUnif, outcome_fmt.), best.);
run;

内容的提问来源于stack exchange，提问作者Jeff W