使用SAS LAG函数扩展至多列并执行运算的需求问询（附数据集）

搞定这个问题很简单！我看你需要基于给定的原始数据集，通过反向累加（类似LAG函数的行间值传递逻辑）来计算每列的结果，最终得到你想要的输出。下面是具体的实现步骤和代码：

1. 先创建原始数据集 #

首先我们把你提供的原始数据转换成SAS数据集：

data raw_data;
    input bucket D_201009 D_201010 D_201011 D_201012 D_201101 D_201102 D_201103;
    datalines;
0 0 0 0 0 0 0 0
1 1 0 0 0 1 0 0
2 3 0 3 0 1 6 3
3 0 0 0 0 0 0 0
4 0 4 0 0 0 0 0
5 4 0 4 0 4 8 1
6 8 0 8 0 8 10 8
7 0 0 0 0 0 0 0
8 7 0 7 0 0 7 3
;
run;

2. 核心逻辑：反向累加计算 #

观察你的期望输出，其实是从最高bucket到最低bucket的累加和——比如bucket8的值保留，bucket7的值是bucket7原始值加bucket8的结果，bucket6是bucket6原始值加bucket7的计算结果，以此类推。我们可以通过以下步骤实现：

步骤1：按bucket降序排序 #

先把数据集按bucket从高到低排列，这样我们可以从最大的bucket开始逐步累加：

data sorted_desc;
    set raw_data;
    by descending bucket;
run;

步骤2：用RETAIN语句实现累加（手动列版） #

如果列数不多，我们可以手动处理每一列，用RETAIN语句保留上一行的计算结果，然后和当前行的原始值相加：

data calc_data;
    set sorted_desc;
    /* 声明要保留的累积变量 */
    retain cum_201009 cum_201010 cum_201011 cum_201012 cum_201101 cum_201102 cum_201103;
    
    /* 初始化第一行（最高bucket）的累积值 */
    if _n_ = 1 then do;
        cum_201009 = D_201009;
        cum_201010 = D_201010;
        cum_201011 = D_201011;
        cum_201012 = D_201012;
        cum_201101 = D_201101;
        cum_201102 = D_201102;
        cum_201103 = D_201103;
    end;
    /* 后续行：累积值 = 上一行累积值 + 当前行原始值 */
    else do;
        cum_201009 = cum_201009 + D_201009;
        cum_201010 = cum_201010 + D_201010;
        cum_201011 = cum_201011 + D_201011;
        cum_201012 = cum_201012 + D_201012;
        cum_201101 = cum_201101 + D_201101;
        cum_201102 = cum_201102 + D_201102;
        cum_201103 = cum_201103 + D_201103;
    end;
    
    /* 将累积值替换回原始列 */
    D_201009 = cum_201009;
    D_201010 = cum_201010;
    D_201011 = cum_201011;
    D_201012 = cum_201012;
    D_201101 = cum_201101;
    D_201102 = cum_201102;
    D_201103 = cum_201103;
    
    /* 删除中间累积变量 */
    drop cum_:;
run;

步骤2优化：用数组批量处理（适合多列场景） #

如果你的数据有很多类似D_YYYYMM的列，手动写每一列太麻烦，用SAS数组可以批量处理：

data calc_data_array;
    set sorted_desc;
    /* 定义原始变量数组和累积变量数组 */
    array d_vars[*] D_:; /* 匹配所有以D_开头的变量 */
    array cum_vars[7] cum_1-cum_7; /* 这里7对应你的7个D_列，数量可以调整 */
    retain cum_vars:;
    
    /* 初始化或累加 */
    if _n_ = 1 then do i = 1 to dim(d_vars);
        cum_vars[i] = d_vars[i];
    end;
    else do i = 1 to dim(d_vars);
        cum_vars[i] = cum_vars[i] + d_vars[i];
    end;
    
    /* 将累积值赋值回原始变量 */
    do i = 1 to dim(d_vars);
        d_vars[i] = cum_vars[i];
    end;
    
    drop i cum_vars:;
run;

步骤3：恢复原始bucket顺序 #

最后把计算好的数据集按bucket升序排序，就得到你想要的输出了：

data final_output;
    set calc_data; /* 如果用数组版就换成calc_data_array */
    by bucket;
run;

/* 查看结果 */
proc print data=final_output noobs;
run;

运行这段代码后，你会得到和期望完全一致的输出结果。

内容的提问来源于stack exchange，提问作者viji