SAS数据集列中混合类别与变量的数据展开处理需求

嘿，刚接触SAS的话这种分组填充需求确实容易懵，我来给你两个完全通用、不用硬编码类别的方案，不管后续加多少新分组都能直接用～

方法1：SAS数据步（原生语句，简洁高效） #

核心思路用retain语句保留分组标签，遇到NA行时更新分组名并跳过该行，非NA行自动继承上一行的分组值。

/* 假设你的原始数据集名为animal_raw */
data animal_final;
    set animal_raw;
    retain group; /* 让group变量跨观测保留值，直到被重新赋值 */
    
    /* 识别分组行（value为NA的行） */
    if value = 'NA' then do;
        group = animal; /* 将NA行的animal字段设为分组名 */
        delete; /* 删除不需要的NA行 */
    end;
    
    /* 只保留需要的字段 */
    keep group value animal;
run;

• retain是关键：它会让group变量不随新观测重置，一直保持上一行的值，直到遇到下一个NA行更新分组名。
• 完全通用：不管你后续加多少新分组（比如Ursidae、Mustelidae），代码都不用改。

方法2：PROC SQL（用窗口函数，适合SQL使用者） #

通过窗口函数给每个分组生成唯一ID，再关联分组名称，最后过滤掉NA行。

proc sql;
    create table animal_final as
        select 
            g.group_name as group,
            a.value,
            a.animal
        from (
            /* 给每行计算组ID：累计到当前行的NA行数 */
            select 
                *,
                sum(case when value = 'NA' then 1 else 0 end) over (order by _n_) as group_id
            from animal_raw
        ) a
        left join (
            /* 提取分组行的组ID和对应的分组名称 */
            select 
                sum(case when value = 'NA' then 1 else 0 end) over (order by _n_) as group_id,
                animal as group_name
            from animal_raw
            where value = 'NA'
        ) g on a.group_id = g.group_id
        where a.value ne 'NA'; /* 过滤掉NA行 */
quit;

• 窗口函数sum(...) over (order by _n_)会逐行累计NA的数量，同一个分组内的所有行都会得到相同的group_id。
• 关联分组名称后，就能把每个数据行对应到正确的分组下。

两种方法都能完美得到你想要的输出格式，数据步适合处理大数据集（速度更快），PROC SQL则更贴合SQL使用者的思维习惯～

内容的提问来源于stack exchange，提问作者Martin