如何用数组简化SAS中Proc SQL多列重复聚合操作？

需求背景 #

现有SAS数据集morbidity，包含患者编号列Pat_TNO和20个以morb_开头的事件列（取值1=No，2=Yes），同一患者存在多行数据。需要生成新数据集，汇总每位患者是否至少发生过各类事件，替代原来需要手动写20个max()的Proc SQL代码。

解决方案：DATA步+数组实现 #

Proc SQL不支持数组操作，因此用DATA步结合BY分组+数组来自动处理所有morb_开头的列，无需逐个列名编写：

步骤1：按患者编号排序（BY分组要求数据集有序）

proc sort data=morbidity;
    by Pat_TNO;
run;

步骤2：用数组汇总事件状态

data morbidity_summary;
    set morbidity;
    by Pat_TNO;
    /* 定义数组，自动匹配所有以morb_开头的变量 */
    array morb_events[*] morb_:;
    /* 仅在患者第一行数据时初始化：默认所有事件为No(1) */
    if first.Pat_TNO then do;
        do i = 1 to dim(morb_events);
            morb_events[i] = 1;
        end;
    end;
    /* 遍历更新事件状态：只要某行事件为Yes(2)，就保留为Yes */
    do i = 1 to dim(morb_events);
        if morb_events[i] = 2 then retain morb_events[i];
    end;
    /* 只输出患者最后一行，即汇总后的结果 */
    if last.Pat_TNO then output;
    /* 指定保留的变量 */
    keep Pat_TNO morb_:;
    /* 给所有morb_列应用YN.格式 */
    format morb_: yn.;
run;

代码说明 #

• array morb_events[*] morb_:：通过通配符morb_:自动捕获所有以morb_开头的列，不管列名是morb_amputation还是morb_mi都能匹配，无需手动列出20个列名
• by Pat_TNO：按患者编号分组，first.Pat_TNO标记当前患者的第一行数据，last.Pat_TNO标记最后一行
• retain语句：确保事件状态为Yes(2)时，后续行不会覆盖这个值，最终保留患者是否发生过该事件的结果
• 最后只输出患者的最后一行，得到每位患者的汇总数据

另一种写法：用MAX函数直接取最大值 #

因为2（Yes）大于1（No），也可以用max()函数直接更新事件状态，逻辑更直观：

data morbidity_summary;
    set morbidity;
    by Pat_TNO;
    array morb_in[*] morb_:;
    array morb_out[*] morb_:;
    /* 保留输出变量的值 */
    retain morb_out:;
    /* 初始化患者首行数据 */
    if first.Pat_TNO then do;
        do i = 1 to dim(morb_out);
            morb_out[i] = 1;
        end;
    end;
    /* 逐行取最大值，只要出现过2就保留2 */
    do i = 1 to dim(morb_in);
        morb_out[i] = max(morb_out[i], morb_in[i]);
    end;
    if last.Pat_TNO then output;
    keep Pat_TNO morb_:;
    format morb_: yn.;
run;

内容的提问来源于stack exchange，提问作者jackahall