关于在SAS EG 5.1中实现FULL OUTER JOIN及笛卡尔积连接的技术咨询

刚好我之前处理过类似的SAS版本兼容问题，给你梳理两个核心需求的解决方案：

一、实现FULL OUTER JOIN #

SAS EG 5.1对应的SAS版本（一般是9.2）的PROC SQL直接支持FULL OUTER JOIN，甚至可以简写为FULL JOIN。举个实际例子，假设你有两个表table_a和table_b，要基于id做全连接，同时保留两边的字段：

PROC SQL;
    CREATE TABLE full_joined_result AS
    SELECT 
        COALESCE(a.id, b.id) AS id,  /* 确保id列无空值，取两边非空的id */
        a.customer_name,
        b.order_amount
    FROM table_a a
    FULL OUTER JOIN table_b b
        ON a.id = b.id;
QUIT;

这里COALESCE函数很关键，它能帮你把两边的id合并成一个完整的列，避免出现空值。

二、替代ROW_NUMBER() OVER()窗口函数 #

因为SAS 9.2及之前的PROC SQL不支持窗口函数，所以得用SAS原生方法实现分组内的行号生成，这里给你三种常用方案，按需选择：

方案1：DATA步+BY分组（推荐，高效稳定） #

这是SAS里生成分组行号最常用的方式，性能好、逻辑清晰，适合各种数据量：

/* 先按分组变量排序，确保分组内的顺序正确 */
PROC SORT DATA=your_source_table;
    BY group_id sort_col;  /* group_id是分组字段，sort_col是用来确定行顺序的字段 */
RUN;

/* 生成分组内的行号 */
DATA table_with_row_num;
    SET your_source_table;
    BY group_id;
    /* 每个分组的第一行，行号重置为1 */
    IF FIRST.group_id THEN row_num = 1;
    /* 后续行号递增 */
    ELSE row_num + 1;
RUN;

方案2：PROC SQL关联子查询（适合小表） #

如果一定要在PROC SQL里实现，可以用关联子查询模拟行号，但注意这个方法对大表性能较差：

PROC SQL;
    CREATE TABLE table_with_row_num AS
    SELECT 
        t1.*,
        (SELECT COUNT(*) 
         FROM your_source_table t2 
         WHERE t2.group_id = t1.group_id 
           AND t2.sort_col <= t1.sort_col) AS row_num
    FROM your_source_table t1
    ORDER BY group_id, sort_col;
QUIT;

这里需要一个sort_col来确定分组内的行顺序，子查询会统计每个分组中当前行及之前的行数，从而得到行号。

方案3：PROC RANK（适合排名场景） #

如果你的需求是分组排名（和ROW_NUMBER类似，当有重复值时会有差异），可以用PROC RANK：

PROC RANK DATA=your_source_table OUT=table_with_row_num TIES=DENSE;
    BY group_id;  /* 分组字段 */
    VAR sort_col;  /* 排序字段 */
    RANKS row_num;  /* 生成的排名列名 */
RUN;

如果要完全模拟ROW_NUMBER（即使值相同也按顺序编号），可以先给表加一个唯一的排序键，比如用DATA步的自动变量_N_，再用PROC RANK。

结合你的笛卡尔积场景 #

假设你之前的笛卡尔积方案是通过ROW_NUMBER来匹配分组内的行，现在可以把上面的行号生成方法结合进去：

1. 先给两个表分别生成分组内的行号（用DATA步方案最稳妥）
2. 再基于id和row_num做FULL OUTER JOIN

示例代码：

/* 处理第一个表 */
PROC SORT DATA=table_a;
    BY id col;
RUN;
DATA table_a_rn;
    SET table_a;
    BY id;
    IF FIRST.id THEN rn = 1;
    ELSE rn + 1;
RUN;

/* 处理第二个表 */
PROC SORT DATA=table_b;
    BY id col;
RUN;
DATA table_b_rn;
    SET table_b;
    BY id;
    IF FIRST.id THEN rn = 1;
    ELSE rn + 1;
RUN;

/* 最终全连接 */
PROC SQL;
    CREATE TABLE final_result AS
    SELECT 
        COALESCE(a.id, b.id) AS id,
        a.col1,
        b.col2,
        COALESCE(a.rn, b.rn) AS rn
    FROM table_a_rn a
    FULL OUTER JOIN table_b_rn b
        ON a.id = b.id AND a.rn = b.rn;
QUIT;

内容的提问来源于stack exchange，提问作者Jeff Haynes