SAS技术问题：按年龄、年份、县分组求和时年份重复异常

可能的原因 #

导致同一县和年龄组出现重复年份的核心问题是分组键存在隐性不一致，常见场景包括：

• Age/County变量存在前导或尾随空格：比如"1-55"和"1-55 "会被判定为不同分组，最终表现为同一年份的重复行
• Date变量类型错误：如果Date是字符型而非SAS日期型，YEAR()函数无法正确解析年份，可能生成异常值
• County变量的数值精度差异：若County是数值型，1001和1001.0这类细微差别也会被当成不同分组

排查步骤 #

先通过以下代码确认变量的实际取值和类型：

1. 检查Age的所有取值：

proc freq data=inlib.data;
    tables age;
run;

2. 检查County的取值（字符型需重点关注空格）：

proc freq data=inlib.data;
    tables county;
run;

3. 验证Date是否为SAS日期型：

proc contents data=inlib.data varnum;
run;

修正后的代码 #

情况1：处理Age/County的空格问题 #

如果是空格导致的分组不一致，用STRIP()函数去除变量首尾空格：

proc sql;
create table outlib.sum as
select strip(age) as age, 
       strip(county) as county, 
       year(date) as year,
       sum(disease) as sum_disease
from inlib.data
where strip(age) in ("1-55", "56-64")
group by strip(age), strip(county), year(date);
quit;

注：若County是数值型，无需STRIP()，可改用INT(county)确保按整数分组

情况2：Date是字符型的修正 #

如果Date是字符格式（如"01Jan2019"），先通过INPUT()转换为SAS日期型再提取年份：

proc sql;
create table outlib.sum as
select age, 
       county, 
       year(input(date, date9.)) as year,
       sum(disease) as sum_disease
from inlib.data
where age in ("1-55", "56-64")
group by age, county, year(input(date, date9.));
quit;

替代方案：用PROC SUMMARY实现分组求和 #

PROC SUMMARY的分组逻辑更直观，也能规避SQL分组的隐性问题：

/* 按年龄、县分组求和 */
proc summary data=inlib.data nway;
    class age county;
    var disease;
    where age in ("1-55", "56-64");
    output out=temp_sum sum=sum_disease;
run;

/* 提取年份并整理结果 */
data outlib.sum;
    set temp_sum;
    year = year(date);
    drop date _type_ _freq_;
run;

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