如何删除同一absence_reason下的完全重叠子时间段

针对你提出的需求——保留同一ID和Absence_reason分组下的大时间段、删除完全被包含的子时间段，这里提供两种SAS实现方法：

方法1：PROC SQL 子查询法 #

proc sql;
    create table DB1_clean as
    select a.*
    from DB1 a
    where not exists (
        select 1
        from DB1 b
        where a.ID = b.ID
          and a.Absence_reason = b.Absence_reason
          and b.Start <= a.Start
          and b.End >= a.End
          and (b.Start < a.Start or b.End > a.End)
    );
quit;

逻辑说明 #

• 逐行检查当前记录（a）是否存在同组（同一ID、同一请假原因）的其他记录（b）：
  1. b的开始时间早于/等于a的开始时间，且b的结束时间晚于/等于a的结束时间
  2. b的时间段确实比a大（要么开始更早，要么结束更晚，排除完全相同的重复记录）
• 若不存在这样的b，说明当前记录是该组的大时间段，予以保留；否则判定为子时间段，删除

方法2：DATA步排序法 #

proc sort data=DB1;
    by ID Absence_reason Start descending End;
run;

data DB1_clean;
    set DB1;
    by ID Absence_reason;
    retain max_end;
    if first.Absence_reason then do;
        max_end = End;
        output;
    end;
    else do;
        if End <= max_end then delete;
        else do;
            max_end = End;
            output;
        end;
    end;
run;

逻辑说明 #

1. 先按ID、Absence_reason分组，组内按Start升序、End降序排序，确保同组内的大时间段排在最前面
2. 用retain语句保留当前组的最大结束时间
3. 首次进入新分组时，输出当前记录并更新max_end
4. 后续记录若结束时间小于等于max_end，说明被前面的大时间段包含，直接删除；否则更新max_end并输出

两种方法处理后，都能得到你期望的结果：只保留各组的大时间段，删除完全重叠的子时间段。

内容的提问来源于stack exchange，提问作者NewUsr