SET语句多数据集合并时缺失值赋值异常问题咨询

这个问题的核心是SAS数据步里PDV（程序数据向量）的变量保留规则，尤其是输入数据集变量的默认RETAIN特性——这是很多SAS新手容易踩的坑。

先拆解你的场景：你用SET合并了两个数据集，test1只有x变量，test2有x和y变量。SAS在执行数据步时，会先创建包含所有输入变量（x和y）的PDV，这是数据步初始化的第一步。

先看test3的正常逻辑 #

data test3;
    set test1 test2;
    if missing(y) then z=x;
run;

执行过程是这样的：

• 处理test1的第一个观测：x被设为1，y因为test1没有这个变量，初始为缺失值.。此时if missing(y)为真，给新变量z赋值为1，输出观测x=1, y=., z=1。
• 处理test1的第二个观测：x被更新为2，y因为test1没有，保持缺失（我们没修改过y，所以它还是初始的.）。z是新变量，每次循环开始时会被自动重置为缺失，所以再次触发if条件，z被赋值为2，输出x=2, y=., z=2。
• 处理test1的第三个观测：逻辑和上面一致，z被赋值为3。
• 处理test2的观测：x被设为1，y被设为2，if missing(y)为假，z保持缺失，输出x=1, y=2, z=.。

这就是为什么test3里的z能正常取到同行的x值。

再看test4的异常逻辑 #

data test4;
    set test1 test2;
    if missing(y) then y=x;
run;

这里的关键规则是：所有来自输入数据集的变量（比如y），SAS默认会RETAIN它们的值——也就是PDV中的值会保留到下一次数据步循环，直到被新的观测值覆盖。

执行过程：

• 处理test1的第一个观测：x=1，y初始为缺失.。if missing(y)为真，把y赋值为1，输出x=1, y=1。
• 处理test1的第二个观测：x被更新为2，但test1没有y变量，所以SAS不会修改PDV中的y值——它还是上一次赋值的1。现在y=1不是缺失，if条件不触发，不会执行y=x，输出x=2, y=1（这就是你看到的重复值）。
• 处理test1的第三个观测：x更新为3，y依然保留1，if条件不触发，输出x=3, y=1。
• 处理test2的观测：x被设为1，y被设为2（覆盖PDV中的y），输出x=1, y=2。

怎么修复这个问题？ #

如果你想让test4中test1的所有行都把y设为同行的x，可以用两种简单方法：

方法1：用数据集标识（IN选项）明确处理

利用IN选项判断当前读取的是哪个数据集，直接给test1的行赋值y=x，避免依赖缺失判断：

data test4_fixed;
    set test1(in=from_test1) test2(in=from_test2);
    if from_test1 then y = x;
run;

方法2：重置变量（SAS 9.4+支持）

用RESET语句在每次循环开始时把y重置为缺失，确保缺失判断始终有效：

data test4_fixed;
    set test1 test2;
    reset y; /* 每次循环开始时将y重置为缺失 */
    if missing(y) then y = x;
run;

内容的提问来源于stack exchange，提问作者RuneS