在SAS中创建哑变量标记用户首次出现记录

嘿，我来帮你简化这个需求的实现！其实完全不用绕弯路去筛选再合并，用SAS的Data步结合BY组处理就能一步到位搞定标记首次记录的需求～

核心解决方案 #

因为你的数据集已经按emailaddress和date升序排好序了，每个用户的首次出现记录就是该邮箱组下的第一条观测。我们可以利用SAS在BY组处理时自动生成的first.系列临时变量来直接标记：

data DB_with_flag;
    set DB;
    by emailaddress; /* 按邮箱分组，SAS会自动识别每个邮箱的观测组 */
    /* 标记首次记录为1，其余为0 */
    if first.emailaddress then flag = 1;
    else flag = 0;
run;

代码解释 #

• first.emailaddress是SAS为BY组自动创建的临时变量：当当前观测是某个emailaddress组的第一条记录时，它的值为1；组内其他观测则为0。
• 因为你的数据已经按emailaddress+date排序，所以每个邮箱的第一条记录自然就是最早的使用记录，正好符合你要标记首次出现的需求。

额外补充（如果数据未完全排序的话） #

如果后续你的数据可能出现排序失效的情况，先跑一遍排序确保分组正确：

proc sort data = DB;
    by emailaddress date; /* 按邮箱升序，同邮箱下按日期升序 */
run;

这样是不是比之前的筛选合并简单太多啦😉

内容的提问来源于stack exchange，提问作者Kelly