如何提取两表中各自独有的账户数据（SAS/SQL实现方法）

需求说明：表A、表B均以账号为账户唯一标识字段，需剔除两表共有账户，分别提取仅在表A存在、表B无匹配的账户数据，以及仅在表B存在、表A无匹配的账户数据。

SQL 通用实现 #

以下写法兼容MySQL、PostgreSQL、SQL Server、Hive等主流SQL引擎，优先推荐前两种容错性、性能更优的写法：

• NOT EXISTS 写法（主键字段有索引时性能最优）

-- 查询仅在表A存在的账户
SELECT a.*
FROM 表A a
WHERE NOT EXISTS (
    SELECT 1 FROM 表B b WHERE b.账号 = a.账号
);

-- 查询仅在表B存在的账户
SELECT b.*
FROM 表B b
WHERE NOT EXISTS (
    SELECT 1 FROM 表A a WHERE a.账号 = b.账号
);

• 左连接判空写法（逻辑直观，适合多字段关联场景）

-- 查询仅在表A存在的账户
SELECT a.*
FROM 表A a
LEFT JOIN 表B b ON a.账号 = b.账号
WHERE b.账号 IS NULL;

-- 查询仅在表B存在的账户
SELECT b.*
FROM 表B b
LEFT JOIN 表A a ON b.账号 = a.账号
WHERE a.账号 IS NULL;

注意：不推荐使用NOT IN写法，若子查询返回的账号字段存在NULL值，会导致查询结果整体异常，容错性差。

SAS 实现 #

SAS针对数据集比对提供了原生高效的实现方式，大数据量下优先使用DATA步合并方案：

• DATA步MERGE写法（性能最优，适合百万级以上大表）
  使用前需确保两个数据集已按关联主键账号排序，未排序可先执行排序过程：

/* 按主键排序，已排序的数据集可跳过该步骤 */
PROC SORT DATA=表A OUT=tmp_A; BY 账号; RUN;
PROC SORT DATA=表B OUT=tmp_B; BY 账号; RUN;

/* 合并拆分输出结果 */
DATA
    only_A /* 存储仅在表A存在的账户 */
    only_B /* 存储仅在表B存在的账户 */
;
MERGE
    tmp_A(IN=in_a) /* 打标：记录来自表A时in_a=1 */
    tmp_B(IN=in_b) /* 打标：记录来自表B时in_b=1 */
;
BY 账号;
IF in_a=1 AND in_b=0 THEN OUTPUT only_A;
IF in_b=1 AND in_a=0 THEN OUTPUT only_B;
/* 两表共有的in_a=1且in_b=1的记录默认不输出，直接剔除 */
RUN;

• PROC SQL写法（语法和通用SQL一致，适合熟悉SQL的用户）

PROC SQL;
    CREATE TABLE only_A AS
    SELECT a.* FROM 表A a
    WHERE NOT EXISTS (SELECT 1 FROM 表B b WHERE b.账号 = a.账号);

    CREATE TABLE only_B AS
    SELECT b.* FROM 表B b
    WHERE NOT EXISTS (SELECT 1 FROM 表A a WHERE a.账号 = b.账号);
QUIT;

扩展：如果需要把两类独有数据汇总到同一张表，只需在查询时新增来源标记字段（比如'A' AS data_source），再用UNION ALL拼接两个查询结果即可。

内容的提问来源于stack exchange，提问作者JDS