SAS代码转Python的实现是否等价？SAS条件表达式含义咨询

结论先行 #

你写的Python判断逻辑和SAS原表达式逻辑高度接近，仅在source_col2为缺失值的场景有差异，以下是详细说明：

SAS表达式source_col2 ne col2 ne .的求值规则 #

1. 先明确变量类型：你的代码中为col2指定了$8.字符格式，所以col2是字符型变量，代码中赋值的.会被SAS自动转换为字符型缺失值。
2. SAS的链式比较规则：A op B op C格式的链式比较等价于(A op B) AND (B op C)，因此该表达式的实际判断逻辑为两个条件同时满足：
   • source_col2 ne col2：source_col2的当前值不等于col2的上一轮保留值
   • col2 ne .：col2的上一轮保留值不是缺失值

和你提供的Python代码的对比 #

你写的Python判断：

if source_col2 is not None and col2 is not None and source_col2 != col2:
    pass

比SAS原逻辑多了source_col2 is not None的判断：

• 如果你的业务场景中source_col2不会出现缺失值，两段逻辑完全等价，可以直接使用
• 如果source_col2可能为缺失值，把判断调整为col2 is not None and source_col2 != col2就和SAS原逻辑100%匹配

完整SAS代码的Python（pandas）参考实现 #

SAS代码的核心逻辑是按col1分组，逐行对比当前行和上一行的source_col2值，不等且上一行值非空时输出新行，对应实现如下：

import pandas as pd

# 假设input_data已经读入为pandas DataFrame，先按分组键排序，匹配SAS by语句要求
input_df = input_df.sort_values('col1').reset_index(drop=True)

# 生成每个分组内上一行的source_col2，对应retain col2的逻辑
input_df['col2'] = input_df.groupby('col1')['source_col2'].shift(1)

# 筛选符合条件的行，赋值新字段
filter_mask = (input_df['col2'].notna()) & (input_df['source_col2'] != input_df['col2'])
output_df = input_df.loc[filter_mask, ['col1', 'col2']].copy()
output_df['col3'] = 'foo'
output_df['col4'] = 'bar'

# output_df即为对应SAS生成的output_data

内容的提问来源于stack exchange，提问作者EDG956