如何用SAS Data Step保留指定数据集列及合并两表指定列

嘿，我来帮你搞定这两个SAS Data Step的问题，一步步给你讲清楚！

要在Data Step里只保留某一列，最直接的方式就是用keep语句，要是原数据集列特别多，用drop语句排除其他列反而更省事。

举个例子，假设你有个原数据集叫source_data，想只保留target_column这一列：

data retained_data;
    set source_data;  /* 读取原数据集 */
    keep target_column;  /* 指定要保留的列 */
run;

如果原数据集列很多，用drop语句反向操作：

data retained_data;
    set source_data;
    drop _all_;  /* 先排除所有列 */
    keep target_column;  /* 再保留需要的列 */
run;

小提示：keep语句可以放在Data Step的任意位置，但习惯上放在set语句之后，逻辑会更清晰。

先纠正你提供的代码片段问题：直接用set table_1 table_2是纵向拼接（把两个表的行上下叠加），这没法实现你要的“按ID匹配，取table_1的column_1和table_2的column_4”的需求。正确的做法是用merge语句进行横向关联。

步骤说明： #

1. 确保两个表都按ID排序（SAS的merge按by变量关联时，要求数据集已排序）
2. 用merge语句同时读取两个表，指定只保留需要的列
3. 按ID关联，可选过滤只保留匹配成功的记录

完整示例代码： #

首先如果你的表还没按ID排序，先做排序（用proc sort比Data Step排序更高效）：

proc sort data=table_1 out=table_1_sorted;
    by ID;
run;

proc sort data=table_2 out=table_2_sorted;
    by ID;
run;

然后进行合并：

data required;
    /* 读取时就只保留需要的列，减少内存占用 */
    merge table_1_sorted (keep=ID column_1)
          table_2_sorted (keep=ID column_4);
    by ID;  /* 按ID进行关联匹配 */
    
    /* 可选：只保留在两个表都存在对应ID的记录 */
    /* 如果要保留所有ID（包括只在一个表中的），删掉下面这行即可 */
    if _merge_ = 3;
run;

代码解释： #

• (keep=ID column_1)是数据集选项，在读取table_1_sorted时就只提取ID和column_1，比先读全表再keep更高效
• by ID指定按ID关联两个表，SAS会自动匹配相同ID的记录
• _merge_是SAS合并时自动生成的变量：
  • 值为1：记录只来自第一个表（table_1）
  • 值为2：记录只来自第二个表（table_2）
  • 值为3：记录同时来自两个表（匹配成功）
    加if _merge_=3;可以只保留两边都有对应ID的记录，完全符合你示例中的需求。

内容的提问来源于stack exchange，提问作者Azeem112