如何在SAS中比较不同列交叉值并按规则生成False_Flag列

1. 前置处理 #

1.1 日期格式转换（若为字符型） #

如果你的DATE1、DATE2是字符类型，需要先转换为SAS数值型日期，后续才能正确比较大小：

/* 转换日期格式，原数据集名为have */
data have_fix;
    set have;
    /* 按date9.格式解析字符日期，生成数值型日期 */
    DATE1_num = input(DATE1, date9.);
    DATE2_num = input(DATE2, date9.);
    /* 保留原显示格式 */
    format DATE1_num DATE2_num date9.;
    /* 替换原字段名 */
    rename DATE1_num=DATE1 DATE2_num=DATE2;
    drop DATE1 DATE2;
run;

1.2 排序 #

按ID和DATE1升序排序，保证同ID下的行按时间先后排列：

proc sort data=have_fix out=have_sorted;
    by ID DATE1;
run;

2. 生成FALSE_FLAG字段 #

2.1 常规方案（SAS 9.4M5及以上版本，支持LEAD函数） #

data want;
    set have_sorted;
    by ID;

    /* 读取前一行的ID、FLAG、DATE2 */
    lag_ID = lag(ID);
    lag_FLAG = lag(FLAG);
    lag_DATE2 = lag(DATE2);

    /* 读取后一行的ID、FLAG、DATE1 */
    lead_ID = lead(ID);
    lead_FLAG = lead(FLAG);
    lead_DATE1 = lead(DATE1);

    FALSE_FLAG = 0; /* 默认赋值0 */

    /* 当前行是R，后一行是同ID的D，且当前行DATE2等于后一行DATE1，当前行标1 */
    if not last.ID and FLAG='R' and lead_FLAG='D' and DATE2=lead_DATE1 then FALSE_FLAG=1;
    /* 当前行是D，前一行是同ID的R，且前一行DATE2等于当前行DATE1，当前行标1 */
    if not first.ID and FLAG='D' and lag_FLAG='R' and lag_DATE2=DATE1 then FALSE_FLAG=1;

    /* 删除临时辅助变量，不输出到结果表 */
    drop lag_: lead_:;
run;

2.2 低版本SAS兼容方案（无LEAD函数） #

如果你的SAS版本不支持内置LEAD函数，可以用哈希表实现后一行值的读取：

data want;
    if _n_=1 then do;
        /* 把所有行的ID、DATE1、FLAG存入哈希表，按行号索引 */
        declare hash h(dataset:'have_sorted(keep=ID DATE1 FLAG rename=(ID=lead_ID DATE1=lead_DATE1 FLAG=lead_FLAG))');
        h.definekey('rownum');
        h.definedata('lead_ID','lead_DATE1','lead_FLAG');
        h.definedone();
        do rownum=1 to nobs;
            set have_sorted point=rownum nobs=nobs;
            h.replace();
        end;
    end;

    set have_sorted;
    rownum = _n_;
    lag_ID = lag(ID);
    lag_FLAG = lag(FLAG);
    lag_DATE2 = lag(DATE2);

    /* 读取后一行值，最后一行没有后行，赋值为空 */
    lead_ID=.; lead_DATE1=.; lead_FLAG=' ';
    if rownum < nobs then h.find(key:rownum+1);

    FALSE_FLAG = 0;
    if not last.ID and FLAG='R' and lead_FLAG='D' and DATE2=lead_DATE1 then FALSE_FLAG=1;
    if not first.ID and FLAG='D' and lag_FLAG='R' and lag_DATE2=DATE1 then FALSE_FLAG=1;

    drop rownum lag_: lead_:;
run;

内容的提问来源于stack exchange，提问作者merts97