基于SAS实现两个排序文件的记录合并与拆分计算求助

核心思路 #

• 先算出File1中每个雇主（COD）的总覆盖月份数，再得到单条时间记录的月份占比
• 通过MERGE按COD关联两个已排序数据集，用占比拆分File2的工时类字段

具体实现步骤 #

1. 给File1添加月份占比字段 #

先处理File1，计算每条记录的时长（月份数），以及同一COD下的总月份数、单条记录的占比：

/* 计算单条记录月份数、同一COD总月份数及占比 */
data file1_with_ratio;
    set file1;
    by COD;
    /* 计算当前记录覆盖的月份数（包含起止月） */
    months = intck('month', Start, End) + 1;
    /* 累加同一COD的总月份数 */
    retain total_months;
    if first.COD then total_months = 0;
    total_months + months;
    /* 计算该记录的时间占比 */
    ratio = months / total_months;
run;

2. 关联File2并拆分工时 #

利用两个数据集已按COD排序的特性，直接MERGE关联，用占比计算拆分后的工时：

/* 合并数据集并计算拆分后的工时 */
data file3;
    merge file1_with_ratio(in=a) file2(in=b);
    by COD;
    if a and b; /* 仅保留两边都匹配到的记录 */
    /* 按占比拆分工时字段 */
    split_hours_work = hours_of_work * ratio;
    split_hours_vacancies = hours_of_vacancies * ratio;
    /* 保留需要输出的字段 */
    keep COD Start End split_hours_work split_hours_vacancies;
run;

3. 验证拆分准确性 #

可以通过对比同一COD的拆分后总和与原File2数值，验证计算是否正确：

/* 计算拆分后的总和 */
proc summary data=file3 nway;
    class COD;
    var split_hours_work split_hours_vacancies;
    output out=check_sum sum=total_work total_vac;
run;

/* 对比原数据与拆分总和 */
proc compare base=file2 compare=check_sum;
    by COD;
    var hours_of_work hours_of_vacancies;
    with total_work total_vac;
run;

关键细节说明 #

• intck('month', Start, End)：计算两个日期的月份间隔，加1是因为要包含起始月份（比如1月到5月实际是5个月，intck返回4，加1才对）
• by COD + first.COD：实现按雇主分组，累加总月份数
• in=a/in=b：过滤掉仅在一个数据集中存在的雇主，避免不匹配的无效记录

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