如何在SAS中合并数据集并生成指定目标变量的技术问询

看起来你已经走对了第一步（用PROC SQL左连接），但因为data1里每个ID有多条记录，导致连接后出现多行，没法直接得到每个ID一行的目标结构。下面我给你两种实用的解决方案，你可以根据自己的需求选择：

方法一：用PROC SQL直接聚合生成目标数据集 #

这种方法最简洁，通过聚合函数和CASE WHEN来提取匹配的Code值，直接输出每个ID一行的结果：

proc sql;
    create table final_data as
    select 
        d2.ID,
        max(case when d1.Code = d2.code1 then d1.Code else '' end) as Code1_a,
        max(case when d1.Code = d2.code2 then d1.Code else '' end) as Code2_a
    from data2 d2
    left join data1 d1 on d2.ID = d1.ID
    group by d2.ID;
quit;

说明： #

• 用case when判断data1的Code是否匹配data2的code1/code2，匹配的话返回Code值，否则返回空字符串
• max()聚合函数的作用是：对于同一个ID，即使有多个匹配（比如data1里有多个和code1相同的Code），它会保留非空的那个值（如果只有一个匹配，就是它本身；如果有多个相同的，结果也一样）
• 如果你的Code是数值型，把''改成.即可

方法二：先合并再用DATA步处理去重 #

如果你更习惯用DATA步，也可以先合并两个数据集，再按ID分组保留需要的匹配值：

/* 第一步：合并两个数据集，保留所有data2的记录以及data1中匹配的记录 */
data merged;
    merge data2 (in=a) data1 (in=b);
    by ID;
    if a; /* 只保留data2中存在的ID，和左连接效果一致 */
run;

/* 第二步：按ID分组，提取匹配的Code1_a和Code2_a */
data final_data;
    set merged;
    by ID;
    retain Code1_a Code2_a; /* 保留上一行的变量值 */
    if first.ID then do; /* 每个ID的第一条记录初始化变量 */
        Code1_a = '';
        Code2_a = '';
    end;
    /* 匹配code1则赋值给Code1_a */
    if Code = code1 then Code1_a = Code;
    /* 匹配code2则赋值给Code2_a */
    if Code = code2 then Code2_a = Code;
    if last.ID then output; /* 每个ID的最后一条记录才输出 */
    drop Code last4_Code code1 code2; /* 去掉不需要的中间字段 */
run;

说明： #

• retain语句用来在循环中保留变量值，这样即使ID的某一行不匹配，之前赋值的结果也不会丢失
• first.ID和last.ID是BY组处理的自动变量，用来判断当前行是ID组的第一条还是最后一条
• 同样，如果Code是数值型，初始化时用.代替''

额外说明 #

如果data1中同一个ID对应多个和code1匹配的Code（比如多个不同的Code都等于code1），上面的方法会保留最后一个匹配的值（方法二）或者最大的那个（方法一）。如果你需要把所有匹配的值用逗号分隔，可以把方法一中的max()换成catx(',', ...)，比如：

proc sql;
    create table final_data as
    select 
        d2.ID,
        catx(',', collect(case when d1.Code = d2.code1 then d1.Code else '' end)) as Code1_a,
        catx(',', collect(case when d1.Code = d2.code2 then d1.Code else '' end)) as Code2_a
    from data2 d2
    left join data1 d1 on d2.ID = d1.ID
    group by d2.ID;
quit;

这样Code1_a会把所有匹配code1的Code用逗号连接起来，适合有多个匹配值的场景。

内容的提问来源于stack exchange，提问作者ckp