基于日期列对比为各ID更新Flag_End字段的SAS实现需求

原始数据集：

ID       Hired       Start_date     End_date       Flag_Start     Flag_End
  0001      1-1900      01JAN2018      21DEC2018           1             2 
  0001      1-1900      01JAN2019      01DEC2020           2             2
  0002      10-2020     26MAR2020      03MAY2020           1             2 
  0003      03-2021     18DEC2020      31DEC2020           1             2
 .....      .......     .........      .........      ...........   ...........

期望输出：

ID       Hired       Start_date     End_date       Flag_Start     Flag_End
  0001      1-1900      01JAN2018      21DEC2018           1             2 
  0001      1-1900      01JAN2019      01DEC2020           2             3
  0002      03-2020     26MAR2020      03MAY2020           1             0 
  0003      03-2021     18DEC2020      31DEC2020           1             3
 .....      .......     .........      .........      ...........   ...........

规则说明 #

• 按ID分组排序后，按以下逻辑更新Flag_End：
  1. 若组内最后一条记录的Hired为1-1900，将其Flag_End设为3；
  2. 若Hired对应的日期早于End_date，Flag_End设为0；
  3. 若Hired对应的日期晚于End_date且Hired不为1-1900，Flag_End设为3。

SAS实现代码 #

/* 若原始数据集未按ID排序，先执行排序：
proc sort data=original_data; by ID; run;
*/

data updated_data;
  set original_data;
  by ID;
  
  /* 将字符型日期转换为SAS数值日期，用于比较 */
  hired_date = input(Hired, mmddyy10.);  /* 适配MM-YYYY格式 */
  end_date_sas = input(End_date, date9.); /* 适配DDMONYYYY格式 */
  
  /* 保留并更新Flag_End值 */
  retain new_flag_end;
  if first.ID then new_flag_end = Flag_End; /* 组首记录继承原始值 */
  
  /* 按规则更新 */
  if Hired = '1-1900' and last.ID then do;
    new_flag_end = 3;
  end;
  else if hired_date < end_date_sas then do;
    new_flag_end = 0;
  end;
  else if hired_date > end_date_sas and Hired ne '1-1900' then do;
    new_flag_end = 3;
  end;
  
  /* 替换原Flag_End字段 */
  Flag_End = new_flag_end;
  
  /* 删除临时变量 */
  drop hired_date end_date_sas new_flag_end;
run;

代码说明 #

• by ID实现分组，SAS自动生成first.ID（组首标识）和last.ID（组尾标识）；
• input函数将字符型日期转为SAS可识别的数值日期，确保日期比较逻辑有效；
• retain变量用于在组内传递Flag_End值，保证非目标记录保留原始值；
• 条件判断遵循规则优先级，先处理1-1900组尾的特殊情况，再处理日期比较逻辑。

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