在SAS中标记ID、事件日期时间与事件原因重复的观测值的方法咨询

当然可以解决这个问题！你需要标记那些**ID、事件日期时间（event_dt_tm）、事件原因（event）**完全相同但event_ID不同的观测，下面给你两种实用的SAS方法，按需选择：

方法一：DATA步+BY组处理（需先排序） #

这种方法适合需要精细控制标记逻辑的场景，比如区分「是否属于重复组」或者「是否为非首次的重复观测」：

1. 先按分组变量排序（BY组处理要求数据集有序）：

proc sort data=test;
    by ID event_dt_tm event;
run;

2. 创建标记变量：

data test_with_flag;
    set test;
    by ID event_dt_tm event;
    /* 方案1：标记所有属于重复组的观测（包括组内第一个） */
    if first.event and last.event then is_duplicate = 0;
    else is_duplicate = 1;

    /* 如果你只想标记组内非首次的重复观测，替换成下面这行：
    is_duplicate = not first.event;
    */
run;

代码解释 #

• by ID event_dt_tm event 会将数据集按这三个变量分组，相同组合的观测会被分到一组
• first.event 和 last.event 同时为真时，说明该组只有1条观测，不是重复；否则组内有多条观测，标记为重复
• 要是选第二种标记逻辑（not first.event），组内第一条观测会被标记为0，后续的重复观测标记为1

方法二：PROC SQL窗口函数（无需排序） #

如果不想额外排序，用PROC SQL的窗口函数会更简洁，一步就能生成标记：

proc sql;
    create table test_with_flag as
        select t.*,
            case when count(*) over (partition by ID, event_dt_tm, event) > 1 then 1 else 0 end as is_duplicate
        from test t;
quit;

代码解释 #

• count(*) over (partition by ID, event_dt_tm, event) 会计算每个分组的观测数量
• 通过case判断，如果分组数量大于1，说明是重复组，标记为1；否则为0
• 这种方法不需要提前排序，代码更紧凑，适合快速生成标记

额外小技巧：标记重复序号 #

如果需要知道同组内是第几个重复观测，可以在DATA步里加一个序号变量：

data test_with_flag_and_seq;
    set test;
    by ID event_dt_tm event;
    if first.event then dup_seq = 1;
    else dup_seq + 1;
    is_duplicate = (dup_seq > 1); /* 标记非首次的重复 */
run;

这样dup_seq会显示当前观测在组内的序号，is_duplicate则标记是否为非首次的重复观测。

你可以根据自己的实际需求调整标记逻辑，测试这些代码应该就能得到你想要的结果啦！

备注：内容来源于stack exchange，提问作者Ryan