SAS数据步转等价SQL语句：自研SQL是否正确？

原SAS代码的核心逻辑 #

原SAS数据步的实际作用是：

1. 按name, coeff, week对Fulls数据集分组（前提是数据集已按这三个字段排序）
2. 对每组内的记录做筛选：
   • 若rid=0且不是该组的最后一条记录，输出到Fulls_Dupes
   • 其余所有记录（包括rid≠0的，或是rid=0但属于组内最后一条的），输出到新的Fulls数据集

你写的SQL的问题 #

你的SQL存在两个关键问题：

1. 语法/逻辑错误：使用GROUP BY但未搭配任何聚合函数（比如COUNT、MAX），多数SQL方言会直接报错；即使部分数据库允许这种非标准写法，也只会返回每组的任意一条记录，完全不符合需求。
2. 未实现核心逻辑：仅筛选了rid=0的记录，完全没有区分该记录是否是组内的最后一条，和原SAS代码的筛选规则完全不匹配。

正确的SQL写法（标准SQL） #

要复现原SAS的逻辑，需要用窗口函数标记每组的最后一条记录，再进行筛选。以下是示例（假设数据集有唯一标识字段record_id，用来确定组内记录的顺序，和原SAS数据的排序一致）：

-- 第一步：给每组记录标记序号，倒序排列后rn=1的就是组内最后一条
WITH ranked_data AS (
    SELECT 
        *,
        ROW_NUMBER() OVER (
            PARTITION BY name, coeff, week 
            ORDER BY record_id DESC -- 这里的排序要和原SAS数据集的顺序一致
        ) AS rn
    FROM Fulls
)

-- 生成Fulls_Dupes：rid=0且不是组内最后一条的记录
CREATE TABLE Fulls_Dupes AS
SELECT * FROM ranked_data
WHERE rid = 0 AND rn > 1;

-- 生成新的Fulls：剩余的所有记录
CREATE TABLE Fulls AS
SELECT * FROM ranked_data
WHERE NOT (rid = 0 AND rn > 1);

如果是在SAS SQL中，语法略有调整，但核心逻辑一致：

PROC SQL;
    -- 创建Fulls_Dupes
    CREATE TABLE Fulls_Dupes AS
    SELECT t.*
    FROM (
        SELECT 
            *,
            LAST(record_id) OVER (PARTITION BY name, coeff, week ORDER BY record_id) AS last_rec_id
        FROM Fulls
    ) t
    WHERE rid = 0 AND record_id NE last_rec_id;

    -- 创建新的Fulls
    CREATE TABLE Fulls AS
    SELECT * FROM Fulls
    WHERE NOT (rid = 0 AND record_id NOT IN (
        SELECT LAST(record_id) OVER (PARTITION BY name, coeff, week ORDER BY record_id)
        FROM Fulls
    ));
QUIT;

内容的提问来源于stack exchange，提问作者dxtr