SAS PROC SQL中Select含case语句致Group By失效出现重复行问题咨询

问题原因 #

你遇到的重复行问题是因为CASE语句中引用了未加入GROUP BY子句的行级字段a.NumericVariable。SAS PROC SQL的默认规则是：当SELECT子句同时存在分组聚合函数和未分组的非聚合字段时，会自动执行*重合并（remerge）*操作，先计算分组聚合结果，再将结果拼接回每一行原始数据，最终返回行数和未分组的JOIN结果行数一致，就出现了大量重复行。
你移除CASE语句后，SELECT子句仅包含分组字段和聚合函数，因此可以正常返回分组聚合后的结果，没有重复。

修复代码 #

如果你的业务逻辑和原始代码一致：只要对应分组内存在至少一行NumericVariable非缺失，就返回该分组的Max(0,Sum(Var4)-Sum(Var5))结果，否则返回空，只需要将CASE中的行级字段判断改为分组级聚合判断即可，调整后代码如下：

PROC SQL;
create table example as
select
a.var1,
a.var2,
a.var3,
case when max(a.NumericVariable) is not missing then
Max(0,Sum(a.Var4) - Sum(a.Var5)) end as Calculation
from table1 a inner join table2 b
on a.primarykey=b.primarykey
group by var1,var2,var3;
quit;

如果你的业务逻辑是仅将分组内NumericVariable非缺失的行的Var4、Var5计入总和，则可以将CASE逻辑放到聚合函数内部，代码如下：

PROC SQL;
create table example as
select
a.var1,
a.var2,
a.var3,
Max(0,Sum(
    case when a.NumericVariable is not missing then a.Var4 - a.Var5
    else 0 end
)) as Calculation
from table1 a inner join table2 b
on a.primarykey=b.primarykey
group by var1,var2,var3;
quit;

两种调整方案均避免了在聚合外引用未分组的行级字段，不会触发PROC SQL的重合并逻辑，最终返回的行数就是var1、var2、var3去重后的分组数。

内容的提问来源于stack exchange，提问作者thequadge