使用SAS按ID匹配时间范围过滤数据集行的技术需求

需求说明 #

现有两个SAS数据集：

• Dataset1包含ID、Start_Date、End_Date字段，存储每个ID对应的日期区间
• Dataset2包含ID、Date字段，存储每个ID的具体日期记录

需要针对每个ID，筛选出Dataset2中Date落在Dataset1对应ID的Start_Date与End_Date范围内的行。

示例数据 #

将示例数据转为SAS可运行的代码：

/* 创建Dataset1 */
data dataset1;
    input ID $ Start_Date : ddmmyy10. End_Date : ddmmyy10.;
    format Start_Date End_Date ddmmyy10.;
    datalines;
Aaa   1/1/2023   5/1/2023
Bbb   10/1/2023  1/2/2023
Ccc   15/1/2023  27/1/2023
;
run;

/* 创建Dataset2 */
data dataset2;
    input ID $ Date : ddmmyy10.;
    format Date ddmmyy10.;
    datalines;
Aaa   4/1/2023
Aaa   10/1/2023
Bbb    1/1/2023
Bbb   15/1/2023
Bbb   31/1/2023
Ccc   10/1/2023
;
run;

实现方法 #

方法1：PROC SQL（直观易读，推荐） #

通过内连接关联两个数据集，同时添加日期范围过滤条件：

proc sql;
    create table filtered_result as
    select d2.ID, d2.Date
    from dataset2 d2
    inner join dataset1 d1
        on d2.ID = d1.ID
        and d2.Date between d1.Start_Date and d1.End_Date
    order by d2.ID, d2.Date;
quit;

方法2：DATA步合并 #

先对两个数据集按ID排序，再通过合并实现过滤：

/* 按ID排序，确保DATA步合并有序 */
proc sort data=dataset1;
    by ID;
run;

proc sort data=dataset2;
    by ID;
run;

/* 合并并筛选符合条件的记录 */
data filtered_result;
    merge dataset1 (in=d1) dataset2 (in=d2);
    by ID;
    /* 只保留来自Dataset2且日期在区间内的记录 */
    if d2 and (Date between Start_Date and End_Date);
run;

输出结果 #

运行上述代码后，filtered_result数据集的内容与期望输出一致：

ID      Date
Aaa   4/1/2023
Bbb   15/1/2023
Bbb   31/1/2023

内容的提问来源于stack exchange，提问作者JK1222