在SAS中实现数据集双向匹配筛选（替代Excel VLOOKUP繁琐操作）

需求说明 #

需要保留数据集中同时满足以下两个条件的行：

• 当前行的frompc值在数据集的topc列中存在匹配项
• 当前行的topc值在数据集的frompc列中存在匹配项

以你提供的示例数据集为例，最终需保留第2、3行，移除不满足条件的第1、4行。

方法一：使用Proc SQL实现 #

通过子查询分别校验两个匹配条件，筛选同时符合要求的行：

proc sql;
    create table matched_rows as
    select a.*
    from your_dataset a
    where exists (select 1 from your_dataset b where b.topc = a.frompc)
      and exists (select 1 from your_dataset c where c.frompc = a.topc);
quit;

代码解释 #

• 第一个exists子查询：确认当前行的frompc值能在其他行的topc列中找到
• 第二个exists子查询：确认当前行的topc值能在其他行的frompc列中找到
• 仅同时满足两个条件的行，会被保留到新表matched_rows中

方法二：使用Merge（数据步）实现 #

先提取两类字段的唯一值列表，再通过两次匹配逐步筛选符合条件的记录：

步骤1：生成唯一值列表 #

/* 提取所有不重复的topc值 */
proc sort data=your_dataset nodupkey out=topc_list;
    by topc;
run;

/* 提取所有不重复的frompc值 */
proc sort data=your_dataset nodupkey out=frompc_list;
    by frompc;
run;

步骤2：两次匹配筛选 #

/* 第一步：保留frompc在topc列表中的行 */
data temp1;
    merge your_dataset(in=a) topc_list(in=b rename=(topc=frompc));
    by frompc;
    if a and b;
run;

/* 第二步：保留temp1中topc在frompc列表中的行 */
data matched_rows;
    merge temp1(in=a) frompc_list(in=b rename=(frompc=topc));
    by topc;
    if a and b;
run;

代码解释 #

• 先用proc sort生成无重复的字段值列表，避免重复匹配导致的冗余
• 第一次merge筛选出frompc存在匹配的行，第二次merge在该结果基础上，进一步筛选topc存在匹配的行，最终得到符合双向匹配要求的记录

验证结果 #

针对你提供的示例数据集，两种方法都会输出以下结果：

| frompc | topc |
+----------------+--------------+
| F19232342208 | F19451367689 |
| M20011105436 | F19232342208 |

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