基于SAS按州、县、污染物统计年AQI超100天数及多污染物判定

一、无需子集化数据的宽表统计实现 #

要完成按州、县、污染物统计每年AQI>100的天数并输出宽表，无需提前子集化原数据，可通过PROC SQL统计+PROC TRANSPOSE转宽的组合实现，全程基于原数据集操作：

1. 直接在统计逻辑中计算超标天数，无需创建子集：

proc sql;
    create table aqi_exceed_counts as
    select 
        state, 
        county, 
        year(date) as year,  /* 从日期字段提取年份 */
        pollutant,
        sum(case when aqi > 100 then 1 else 0 end) as exceed_days  /* 统计AQI超标的天数 */
    from original_air_data
    group by state, county, calculated year, pollutant;
quit;

2. 将统计结果转成宽表，每个州-县-年份组合为一行，各污染物作为列：

proc transpose data=aqi_exceed_counts out=aqi_exceed_wide prefix=exceed_days_;
    by state county year;  /* 指定分组关键字 */
    id pollutant;          /* 用污染物名称作为列名 */
    var exceed_days;       /* 转置的数值字段 */
run;

若不需要按年份拆分，只需州-县组合一行，去掉year在by和select中的字段即可。

二、判定同一州-县-日期下的多污染物超标情况 #

要识别同一州、县、日期内是否存在多种AQI>100的污染物，可通过分组统计超标污染物数量实现，同样无需子集化原数据：

方法1：生成日期级别的超标标记表 #

直接输出每个州-县-日期的超标污染物数量及是否存在多污染物超标：

proc sql;
    create table date_level_exceed_check as
    select 
        state, 
        county, 
        date,
        count(distinct pollutant) as exceed_pollutant_count,  /* 统计该日期超标污染物种类数 */
        case when count(distinct pollutant) > 1 then 'Y' else 'N' end as has_multi_exceed  /* 标记是否多污染物超标 */
    from original_air_data
    where aqi > 100
    group by state, county, date;
quit;

方法2：保留原数据所有行并添加标记 #

如果需要在原数据集的每一行上标注该日期是否存在多污染物超标，用左连接实现：

proc sql;
    create table air_data_with_multi_flag as
    select 
        a.*,
        coalesce(b.has_multi_exceed, 'N') as has_multi_exceed  /* 无超标时标记为N */
    from original_air_data a
    left join (
        select 
            state, county, date,
            case when count(distinct pollutant) > 1 then 'Y' else 'N' end as has_multi_exceed
        from original_air_data
        where aqi > 100
        group by state, county, date
    ) b
    on a.state = b.state and a.county = b.county and a.date = b.date;
quit;

内容的提问来源于stack exchange，提问作者mennit