如何用Proc Compare生成仅含差异观测及对应BASE/COMPARE的输出数据集

实现思路 #

1. 借助proc compare的outall参数生成包含所有观测（BASE、COMPARE、DIF行）的完整对比数据集，保留系统生成的差异标识变量。
2. 先筛选出存在差异的ID列表，再基于该列表提取对应ID的DIF、BASE、COMPARE行，排除无差异的观测。

具体代码 #

1. 生成完整对比数据集

proc compare base = pre_upd.pre_update 
             compare = post_upd.post_update 
             out = temp.full_compare 
             outall  /* 保留每组观测的BASE/COMPARE/DIF三行记录 */
             outnoequal; /* 生成差异标记变量 */
    id subj_recpos;
run;

2. 筛选差异ID并提取目标行

/* 提取所有存在差异的subj_recpos */
proc sql noprint;
    create table temp.diff_ids as
    select distinct subj_recpos
    from temp.full_compare
    where _type_ = 'DIF' and _ok_ = 0; /* _ok_=0代表该ID存在变量差异 */
quit;

/* 仅保留有差异ID对应的三行记录 */
data results.final_results;
    merge temp.full_compare temp.diff_ids;
    by subj_recpos;
    if not missing(subj_recpos);
run;

关键说明 #

• outall是核心参数：它会让proc compare为每个对比ID输出三条记录，分别通过_type_变量标记为BASE（基准数据集行）、COMPARE（对比数据集行）、DIF（差异计算行）。
• _ok_变量用于判断差异：_ok_=1表示该ID下所有变量均无差异，_ok_=0表示存在至少一个变量差异。
• 通过两步筛选，既保留了差异ID的完整三行记录，又彻底排除了无差异的观测（如示例中的ID_02）。

内容的提问来源于stack exchange，提问作者morgandow