SAS数据步First Dot自动变量使用异常，求解BY语句分组逻辑问题

嘿，我来帮你理清楚为什么First.自动变量没给你预期结果——核心问题大概率是BY语句的分组逻辑和你实际想要的分组不匹配，咱们一步步拆解：

先搞懂First.自动变量的本质 #

SAS里的First.<变量>和Last.<变量>是只能在带有BY语句的DATA步里生成的自动变量，它们的规则很简单：

• 当当前观测是BY语句中某个分组变量的第一个观测时，First.<变量>=1，否则为0
• 同理，Last.<变量>=1表示当前观测是该分组的最后一个，否则为0
• 注意：BY语句里的变量顺序会影响分组层级——比如by ssn acct_num会先按SSN大分组，每个SSN下再按ACCT_num小分组

你的现有代码问题分析 #

看你写的排序语句：

proc sort data=testing out=tst;
by ssn acct_num id descending yymm ;
run;

你把id和yymm也放进了排序关键字，但如果你的目标是按SSN+账号(ACCT_num)分组，取每个账号下最新的记录，那你的final数据步里的BY语句应该只写到ssn acct_num，而不是把id、yymm也加进去——不然SAS会把id和yymm也当成分组维度，导致First.变量触发的逻辑和你预期的不一样。

修正后的代码示例 #

假设你想要的是每个SSN+ACCT_num组合下，保留最新YYMM的那条记录，那可以这么写：

data testing;
input SSN ACCT_num YYMM ID $;
datalines;
123456789 987654321 1801 1
123456789 987654321 1711 9
123456789 476543218 1801 2
123456789 476543218 1711 10
;
run;

proc sort data=testing out=tst;
/* 按SSN+账号分组，组内按YYMM降序（最新的在前） */
by ssn acct_num descending yymm ;
run;

data final;
set tst;
/* 这里的BY语句只指定到你想要的分组维度：SSN+ACCT_num */
by ssn acct_num;
/* 只保留每个分组的第一条（也就是YYMM最大的那条） */
if first.acct_num then output;
run;

验证逻辑 #

排序后的tst数据集顺序是：

在final数据步里，first.acct_num会在每个ACCT_num的第一条观测时为1，所以最终输出的就是两条最新的记录：YYMM=1801的那两行。

如果你的预期不是取最新记录，而是其他逻辑，只要调整BY语句的分组变量和First.的判断条件就行——核心就是BY语句的变量必须和你想要的分组完全匹配。

内容的提问来源于stack exchange，提问作者DukeLuke