如何用SAS Proc SQL实现无重复内连接带时间戳的两张表？

嘿，我来帮你搞定这个Proc SQL连接后出现重复行的问题～

首先咱们明确问题根源：你现在用datepart(table1.date)=datepart(table2.date)来连接，会把同一天同一id、tag的所有记录都互相匹配，自然就产生了重复。而你的实际需求是table1的每条交易开始记录，对应table2里同id、tag且时间上对应的交易结束记录，比如00:04的开始对应00:06的结束，00:09的开始对应00:10的结束。

先把你提供的表结构清晰展示出来：

原始表结构 #

Table1 #

id  tag  date                amount  name_x
1   23   01JUL2018:00:04     12      smith ltd
1   23   01JUL2018:00:09     12      anna smith

Table2 #

id  tag  ref  amount  date
1   23   19   12      01JUL2018:00:06:00
1   23   20   12      01JUL2018:00:10:00

解决方案 #

下面给你两种高效的方法，根据你的实际场景选择：

方法一：按时间顺序添加行号匹配（适合记录数严格一一对应） #

如果同一id、tag下，两张表的记录数一致，且时间顺序是一一对应的，这种方法效率最高：

proc sql;
create table desired_output as
select 
    t1.id,
    t1.tag,
    datepart(t1.date) as date format=date9.,
    t1.amount,
    t1.name_x,
    t2.ref
from (
    /* 给table1按id、tag、时间排序，添加行号 */
    select 
        *,
        row_number() over(partition by id, tag order by date) as rn
    from table1
) t1
inner join (
    /* 给table2按同样规则添加行号 */
    select 
        *,
        row_number() over(partition by id, tag order by date) as rn
    from table2
) t2
on t1.id = t2.id 
and t1.tag = t2.tag 
and t1.rn = t2.rn; /* 通过行号精准匹配对应行 */
quit;

方法二：精准时间匹配（适合灵活场景） #

如果某天可能有多条记录，或者需要确保table2的时间晚于table1的交易时间，用这种方法更稳妥：

proc sql;
create table desired_output as
select 
    t1.id,
    t1.tag,
    datepart(t1.date) as date format=date9.,
    t1.amount,
    t1.name_x,
    t2.ref
from table1 t1
inner join table2 t2
on t1.id = t2.id 
and t1.tag = t2.tag 
and t2.date > t1.date /* 确保table2是交易结束时间，晚于开始时间 */
/* 子查询找到当前table1记录对应的最早的table2结束记录 */
where t2.date = (
    select min(date) 
    from table2 
    where id = t1.id 
      and tag = t1.tag 
      and date > t1.date
);
quit;

两种方法都能得到你想要的输出：

id  tag  date        amount  name_x      ref
1   23   01JUL2018   12      smith ltd   19
1   23   01JUL2018   12      anna smith  20

内容的提问来源于stack exchange，提问作者anna