如何使用PROC SQL基于双变量关联数据集 匹配数据步Merge结果

问题原因 #

• 重名警告触发原因：data1和data2都包含office_id、office_id_flag两个匹配字段，你之前的SQL逻辑直接选取两个表的全部字段，重名字段冲突就会触发该警告。
• 行数不匹配原因：你之前的SQL代码大部分仅按office_id单字段匹配，没有加入office_id_flag的校验规则，部分写法还用了左连接、全连接，和你原数据步的内连接逻辑不一致，自然会匹配到多余的观测。

正确实现代码 #

你可以直接用drop参数去除右表的重复匹配字段，避免手动列全所有字段的麻烦，代码如下：

proc sql;
create table work.sql_innerjoin_result as
select 
    a.*,
    b.* drop=office_id office_id_flag
from work.data1 a
inner join work.data2 b
on a.office_id = b.office_id 
and a.office_id_flag = b.office_id_flag;
quit;

如果你更倾向于明确指定字段，也可以手动枚举data2的非匹配字段：

proc sql;
create table work.sql_innerjoin_result as
select 
    a.*,
    b.er_vis, b.adm_hr, b.psych_hosp, b.psych_vis, b.region, b.region_rpc, b.charges
from work.data1 a
inner join work.data2 b
on a.office_id = b.office_id 
and a.office_id_flag = b.office_id_flag;
quit;

逻辑说明 #

• 用inner join完全对齐你原数据步if dem and hosp的逻辑，仅保留两个表都能匹配上的观测
• 匹配条件同时校验office_id和office_id_flag两个变量，符合你的关联规则
• 最终输出会包含data1的10个字段加data2的7个非匹配字段，总字段数为17，和数据步输出完全一致

内容的提问来源于stack exchange，提问作者rlybby