使用SAS first.variable/last.variable合并日期区间的异常问题

你当前的代码问题出在排序和分组逻辑完全忽略了id维度，且没有区分同一id下被其他code打断的同code区间。之前你按code排序，会把不同id、不同时间段的同code记录强行凑在一起，自然会把1A的ABC两个不连续区间错误合并，导致起始日期不符合预期。

根据你的期望结果，核心需求是：同一id下，连续的同code记录合并为单个日期区间；如果code被其他值打断，则仅保留该code最后一段连续区间。下面是两种实现方式：

方式一：数据步直接处理（高效简洁） #

先按id和时间排序，再用retain跟踪连续区间的起始日期，最后输出每个连续区间的合并结果：

/* 第一步：按id+时间顺序排序，确保每个id的记录按时间流转排列 */
proc sort data=example out=example_sorted;
 by id valid_from;
run;

/* 第二步：合并连续的同code区间，仅保留每个id+code的最后一段连续区间 */
data collapse_val_dates;
 set example_sorted end=eof;
 by id;
 retain current_from current_code;

 /* 初始化或重置当前区间的起始日期和code */
 if first.id then do;
   current_from = valid_from;
   current_code = code;
 end;

 /* 当code变化时，更新当前区间（仅记录最后一段） */
 if ne(code, current_code) then do;
   current_from = valid_from;
   current_code = code;
 end;

 /* 到达当前id的最后一条记录时，输出最终区间 */
 if last.id then do;
   id = id;
   code = current_code;
   valid_from = current_from;
   valid_to = valid_to;
   output;
 end;

 drop current_from current_code;
 format valid_from valid_to IS8601DA10.;
run;

方式二：分组标记+SQL合并（逻辑清晰易扩展） #

先给每个连续的code区间分配组号，再筛选出每个id+code的最后一组进行合并：

/* 第一步：按id+时间排序 */
proc sort data=example out=example_sorted;
 by id valid_from;
run;

/* 第二步：给每个连续的code区间标记组号 */
data with_group;
 set example_sorted;
 by id;
 retain group 0;
 /* 当是新id，或当前code与上一条不同时，组号+1 */
 if first.id or ne(code, lag(code)) then group + 1;
run;

/* 第三步：获取每个id+code的最大组号（即最后一段连续区间） */
proc sql;
 create table max_group as
 select id, code, max(group) as max_group
 from with_group
 group by id, code;
quit;

/* 第四步：合并最后一段连续区间的起止日期 */
proc sql;
 create table collapse_val_dates as
 select w.id, w.code, 
        min(w.valid_from) as valid_from format=IS8601DA10., 
        max(w.valid_to) as valid_to format=IS8601DA10.
 from with_group w
 inner join max_group m
 on w.id = m.id and w.code = m.code and w.group = m.max_group
 group by w.id, w.code
 order by w.id, valid_from;
quit;

两种方式都会得到你期望的输出：

内容的提问来源于stack exchange，提问作者Kermit