如何使用SAS按指定规则对表数据按ID分组筛选保留目标行

假设原数据集名为have，包含3个字段：id（用户ID）、grp（分组字段）、val（取值字段），可通过以下两种常用方法实现需求：

方法1：PROC SQL实现（逻辑清晰易读） #

proc sql;
create table want as
select a.*
from have a
left join (
    /* 先统计每个ID的唯一分组数量、对应最小取值 */
    select id, count(distinct grp) as n_grp, min(val) as min_val
    from have
    group by id
) b
on a.id = b.id
where 
    /* 规则1：同一ID对应多个分组时保留所有行 */
    b.n_grp > 1 
    /* 规则2：同一ID仅1个分组时保留取值最小的行 */
    or (b.n_grp = 1 and a.val = b.min_val);
quit;

方法2：数据步双DoW循环实现（大数据量下效率更高） #

data want;
    /* 第一轮遍历：统计当前ID的唯一分组数、单分组下的最小取值 */
    n_grp = 0;
    min_val = 1e9; /* 初始值设为大于取值字段最大可能值即可 */
    do until(last.id);
        set have;
        by id grp notsorted; /* 若数据集已提前按id、grp排序可去掉notsorted参数 */
        if first.grp then n_grp + 1;
        if val < min_val then min_val = val;
    end;
    /* 第二轮遍历：按规则输出符合要求的行 */
    do until(last.id);
        set have;
        by id;
        if n_grp > 1 then output;
        else if n_grp = 1 and val = min_val then output;
    end;
    drop n_grp min_val;
run;

两种方案均完全覆盖需求规则：

• ID对应多个不同分组时，全量保留该ID所有行
• ID仅对应1个分组时，仅保留取值最小的行
• 匹配示例中ID 1201、1202、1203的预期处理结果

内容的提问来源于stack exchange，提问作者Chai