SAS:​数据集的横向合并(一)

一、一对一合并数据集

1.具有不同变量的数据集

在横向合并中，当两个或更多的SAS数据集没有相同的变量时，此时合并数据集的变量均会展示在数据集中。

data one;

input week $10.;

cards;

Week1

Week2

Week3

Week4

Week5

;

run;

/ 结果如下： /

data two;

input topic $10.;

cards;

Topic 1

Topic 2

Topic 3

Topic 4

Topic 5

;

run;

/ 结果如下： /

data all1;

merge one two;

run;

/ 结果如下： /

2.具有相同变量的数据集（不使用by语句）

当两个或更多的SAS数据集有相同的变量时，第 2 个数据集中的变量将覆盖第 1 个数据集中的相同变量。如果不想要被覆盖，则可以使用RENAME数据步骤选项来重新命名。

data three;

input ID $3. balance 4.;

cards;

001 102

005 89

002 231

004 147

003 192

;

run;

/ 结果如下： /

data four;

input Name $ 1-15 @17 balance 4.;

cards;

John Smith 96

Ted Husion 80

Martha Chen 150

Sandy Lee 100

Paul Leny 192

Avery 200

;

run;

/ 结果如下： /

data all2;

merge three four;

run;

/ 结果如下： /

**3.具有相同变量的数据集（使用by语句） **

与by语句的合并允许根据by变量的值来匹配观测值。在合并之前，所有的输入数据集必须按照BY或KEY变量进行排序。

data five;

input ID $3. balance 4. zip 6.;

cards;

001 102 16431

005 89 46298

002 231 98704

004 147 42316

003 192 44765

007 479 21496

;

run;

proc sort data=five;

by id;

run;

/ 结果如下： /

data six;

input Name $ 1-15 @17 balance 4. @23 ID $3.;

cards;

Sandy Lee 100 004

Paul Leny 192 003

John Smith 96 001

Ted Husion 80 005

Martha Chen 150 002

Jason Tod 244 006

;

run;

proc sort data=six;

by id;

run;

/ 结果如下： /

data all3;

merge five six;

by id;

run;

/ 结果如下： /

4.具有相同变量的数据集（使用by语句和in选项）

在上面的例子中，观察值6和7来自两个数据集中的一个。IN=选项创建了一个变量，可以识别数据集是否对输出有贡献。举以下三个例子来让大家理解:

例1：在上面的例子中，我们添加了另一个变量 "source"，并使用IN=选项来识别每个输入数据集的贡献：

data all4;

length source $8;

merge five(in=in1) six(in=in2);

by id;

if in1 and in2 then source='Both';

else if in1 then source='Left';

else source='Right';

run;

/ 结果如下： /

例2：在上面的例子中，如果我们希望输出的数据集只包含来自两个输入数据集的观察值：

data all5;

merge five(in=in1) six(in=in2);

by id;

if in1 and in2 ;

run;

/ 结果如下： /

例3：我们希望输出的数据集包含所有来自five输入数据集的观测值：

data all6;

merge five(in=in1) six(in=in2);

by id;

if in1 ;

run;

/ 结果如下： /

注意：如果匹配合并的目的是一对一的匹配合并，输入的数据集应该没有重复的键。因此，在合并之前，可能需要在合并前对proc sort使用NODUPKEY选项。

二、一对多或多对一合并数据集

BY变量值在某一输入数据集中存在重复值，即在其中一个输入数据集中，含有两条或两条以上的观测具有相同的BY变量值，也称为一对多合并。

在匹配过程中会遵循如下原则：由输入数据集读入的变量值，会保留在PDV中，直到被下一个读入的观测值覆盖或该BY组合处理完毕被重置为缺失值为止。为了更好的理解，通过一个简单的例子来具体讲解这一原则。

data seven;

input ID $3. zip 6.;

cards;

001 16431

005 46298

002 98704

004 42316

003 44765

007 21496

;

run;

proc sort data=seven out=seven;

by id;

run;

/ 结果如下： /

data eight;

input Name $ 1-15 @17 balance 4. @23 ID $3.;

cards;

Sandy Lee 100 004

Paul Leny 192 003

John Smith 96 001

Ted Husion 80 005

Martha Chen 150 002

Jason Tod 244 006

Avery 200 001

;

run;

proc sort data=eight out=eight;

by id;

run;

/ 结果如下： /

data all7;

merge seven eight;

by id;

run;

/ 结果如下： /

三、多对多合并数据集

虽然在匹配合并时，一般情况下BY变量值至多在某一个数据集中有重复，但并不代表匹配合并只能处理这一种情况，它同样可以处理两个或两个以上输入数据集中的BY变量值重复的情况，也就是实现多对多合并。

SAS的匹配原则和一对多合并时一样，并且新数据集中每一个BY变量值重复的次数和输入数据集中重复次数最多的一样。

data nine;

input id$3. number;

cards;

001 2

001 3

002 2

002 4

;

run;

proc sort data=nine out=nine;

by id;

run;

/ 结果如下： /

data ten;

input id$3. balance;

cards;

001 100

001 192

002 150

002 200

003 136

;

run;

proc sort data=ten out=ten;

by id;

run;

/ 结果如下： /

data all8;

merge nine ten;

by id;

run;

/ 结果如下： /

在上例中，all8数据集中有一部分id号的number信息，如果不想将这些id的信息包含在新生成的数据集中，就需要确定数据集使用数据集选项IN=可以帮助实现这一功能。

data all9;

merge nine(in=in1) ten(in=in2);

by id;

if in1;

run;

/ 结果如下： /