如何用SAS实现多条件下的频次统计？附示例数据集

示例数据集 #

统计需求 #

• 步骤1：筛选GET_DRUG首字符为"D"的行，计算这些行与同一ID下所有更早行的日期差，仅保留日期差≤15天的记录
• 步骤2：按每个D类行分组，统计对应符合条件的更早行中去重后的HOSP数量（HOSP_NUM）和QTY的总和（QTY_SUM）
• 步骤3：统计满足HOSP_NUM≥2且QTY_SUM≥10的分组频次，预期结果为2，对应两组日期区间："2021/12/31_{2022/1/13"和"2022/1/10}2022/1/14"

SAS实现代码 #

1. 创建/导入原始数据集 #

如果是示例数据，可直接用DATA步创建；如果是现有大数据集，直接引用对应SAS库中的数据集即可：

/* 创建示例数据集（若为现有数据集可跳过此步，直接使用已有数据集名） */
data raw_data;
    input ID $ GET_DRUG $ HOSP $ DATE :yymmdd10. QTY;
    format DATE yymmdd10.;
    datalines;
A H111 H111 2021-12-31 3
A H112 H112 2022-01-10 4
A H110 H110 2022-01-13 5
A D110 H110 2022-01-14 6
A D111 H110 2022-01-16 3
A H112 H112 2022-01-23 4
A D113 H110 2022-01-30 5
A D114 H110 2022-02-13 5
;
run;

2. 执行步骤1：筛选D类行并计算日期差 #

通过自连接关联同一ID下更早的行，筛选符合日期差条件的记录：

proc sql;
    create table step1 as
    select 
        a.ID,
        a.GET_DRUG as D_GET_DRUG,
        a.DATE as D_DATE,
        b.GET_DRUG as ABOVE_GET_DRUG,
        b.HOSP as ABOVE_HOSP,
        b.DATE as ABOVE_DATE,
        b.QTY as ABOVE_QTY,
        intck('day', b.DATE, a.DATE) as DATE_DIFFERENCE
    from raw_data a
    left join raw_data b
        on a.ID = b.ID and b.DATE < a.DATE
    where substr(a.GET_DRUG, 1, 1) = 'D'
        and calculated DATE_DIFFERENCE <= 15;
quit;

3. 执行步骤2：统计HOSP去重数和QTY总和 #

按每个D类行的日期分组，统计对应更早行的指标，同时生成日期区间：

proc sql;
    create table step2 as
    select 
        cat(put(min(ABOVE_DATE), yymmdd10.), '~', put(max(ABOVE_DATE), yymmdd10.)) as DATE_RANGE,
        count(distinct ABOVE_HOSP) as HOSP_NUM,
        sum(ABOVE_QTY) as QTY_SUM
    from step1
    group by D_DATE;
quit;

4. 执行步骤3：统计符合条件的频次 #

直接筛选满足条件的分组并计数：

proc sql;
    select count(*) as FINAL_COUNT label='符合条件的组合频次'
    from step2
    where HOSP_NUM >= 2 and QTY_SUM >= 10;
quit;

运行上述代码后，FINAL_COUNT的结果为2，与预期一致。

内容的提问来源于stack exchange，提问作者user20407645