SAS如何批量创建新观测使观测数匹配对应变量值

你原有DO循环无限运行的核心原因有两点：

• by Popid语句写在循环内部，且逐行读取数据时，只有每个PopID的第一行汇总记录携带非缺失的N_noncases值，其余病例行的N_noncases为缺失值，缺失值和数值比较永远返回假，终止条件永远无法触发
• no_case计数器没有按PopID分组重置，跨人群计数会出现错乱

最简便稳定的实现方式是用带分组处理的DATA步，不需要额外生成中间表，一次运行即可得到目标结构数据集：

data want;
    set test;
    by PopID;
    /* 暂存每个组的非病例总数值，组首遇到汇总行时更新存储值 */
    retain total_noncase .;
    if first.PopID then total_noncase = N_noncases;
    /* 先输出所有原始观测（含人群汇总行、所有病例行） */
    output;
    /* 遍历到当前PopID组的最后一行时，生成对应数量的非病例观测 */
    if last.PopID then do;
        CaseNum = .;
        N_cases = .;
        N_noncases = total_noncase;
        do No_case = 1 to total_noncase;
            output;
        end;
    end;
    drop total_noncase;
run;

运行后输出的数据集完全匹配你给出的目标结构：

• 原始的人群汇总行、所有病例记录完整保留
• 每个PopID分组末尾自动新增对应数量的非病例记录，No_case从1到组内非病例总数依次编号，非病例行的CaseNum、N_cases自动置空，N_noncases保留对应组的统计值

如果要使用PROC SQL实现，需要通过交叉连接生成辅助序列号，再和原始数据拼接，代码如下，适合小数据量场景使用：

proc sql noprint;
    /* 提取每个PopID的非病例总数 */
    create table noncase_base as
    select distinct PopID, N_noncases 
    from test 
    where N_noncases is not null;

    /* 生成足够长度的连续序列号，交叉连接得到所有非病例观测 */
    create table noncase_obs as
    select 
        a.PopID,
        . as CaseNum,
        b.seq as No_case,
        . as N_cases,
        a.N_noncases
    from noncase_base a
    cross join (
        select monotonic() as seq 
        from sashelp.vmember 
        where monotonic() <= (select max(N_noncases) from test)
    ) b
    where b.seq <= a.N_noncases;

    /* 拼接原始数据和非病例观测，按PopID排序 */
    create table want as
    select PopID, CaseNum, . as No_case, N_cases, N_noncases from test
    outer union corr
    select * from noncase_obs
    order by PopID, CaseNum, No_case;
quit;

后续拆分数据集做GEE分析时，直接筛选CaseNum is not null or No_case is not null的记录即可得到个体水平分析集，自动排除每行PopID首条CaseNum和No_case均为空的人群汇总行，不需要额外做关联匹配。

内容的提问来源于stack exchange，提问作者sas_helpme