SAS如何基于多组配对列比较结果生成差异计数新列

问题原因排查 #

你的原有代码运行后结果不对，主要是三个错误：

1. 差异计数变量differences的初始化放在了循环内部，每一轮循环都会把计数重置为0，无法累计差异数
2. 定义的数组没有实际参与逻辑，循环完全是冗余操作，你写的两个if判断会被重复执行多次，没有意义
3. 数组名和已有的id列重名，会导致变量冲突，不符合SAS语法规范

正确实现方案 #

方案1：配对列数量少的直接写法

如果只有少量配对列，不需要循环，直接写判断即可：

data result;
    set temp;
    differences = 0;
    if int1 ^= int2 then differences + 1;
    if char1 ^= char2 then differences + 1;
run;

你给出的示例数据跑这段代码可以直接得到你预期的结果。

方案2：多配对列的循环写法（适配你36列的实际场景）

当配对列数量多的时候，用两个数组分别存储每组配对的第一个列和第二个列，循环遍历判断即可，不需要手动写几十条if语句：

data result;
    set temp;
    * 第一个数组存所有配对的首列，顺序和第二个数组一一对应;
    array group1[*] int1 char1 /* 剩下的16组配对的首列按顺序加在这里即可 */;
    * 第二个数组存所有配对的次列，和group1的顺序严格对应;
    array group2[*] int2 char2 /* 剩下的16组配对的次列按顺序加在这里即可 */;
    differences = 0;
    do i = 1 to dim(group1);
        if group1[i] ^= group2[i] then differences + 1;
    end;
    * 删掉不需要输出的循环变量i;
    drop i;
run;

逻辑说明：

• 两个数组的元素数量必须相等，顺序一一对应，比如group1第1位是int1，group2第1位就必须是int2
• dim()函数会自动读取数组的元素总数，后续新增配对列不需要修改循环的终止条件
• 计数初始化放在循环外部，每条观测只初始化一次，判断到一组不等就累计加1

注意：SAS数组要求同类型变量放在同一个数组里，如果你的配对列既有数值型又有字符型，可以分开定义数值组的两个数组、字符组的两个数组，分别循环判断即可，计数变量共用一个就可以。

内容的提问来源于stack exchange，提问作者DD chen