數據合并，即兩個或者多個數據集的數據合并到一個數據集中，常見的方式有3種，分別是 one-to-one reading、concatenating 和 Match-merging，其中只有最后一種Match-merging是要求匹配字段是已經排好序的。

?

在介紹之前，準備兩個基礎數據，是已經按照ID排好序的

cert.patdat

ObsIDAgeSexDate1234567

A001	21	M	08/17/1997
A002	32	M	02/18/1986
A003	24	F	06/07/1994
A004	28	M	01/27/1990
A005	44	F	04/24/1974
A007	39	M	07/10/1979
A008	30	F	09/16/1988

?

cert.visit

ObsIDVisitSysBPDiasBPWeightDate1234567891011

A001	1	140	85	195	11/05/2009
A001	2	138	90	198	10/13/2009
A001	3	145	95	200	07/04/2009
A002	1	121	75	168	04/14/2009
A003	1	118	68	125	08/12/2009
A003	2	112	65	123	08/21/2009
A004	1	143	86	204	03/30/2009
A005	1	132	76	174	02/27/2009
A005	2	132	78	175	07/11/2009
A005	3	134	78	176	04/16/2009
A008	1	126	80	182	05/22/2009

?

下面分別看一下三種方式

one-to-one reading

工作原理

one-to-one reading

?

創建一個新的數據集，新的數據集包含所有的變量。

根據每個觀測在數據集中的位置去匹配，第2個數據集中變量的值會覆蓋第1個數據集中變量的值。

結果集中觀測的數量和數據量較少的那個數據集一樣。

說簡單一點，就是先從第1個數據集拿一行，然后再從第2個數據集拿一行去覆蓋第1個數據集中數據。以次類推，直到有一個數據集結束。

?

語法

DATA output-SAS-data-set;

?SET?SAS-data-set-1;

?SET?SAS-data-set-2;

RUN;

?

示例

libname cert 'J:\sas_guide_data\base-guide-practice-data\cert';data tmp1;set cert.patdat;set cert.visit; run;proc print data=tmp1; run;

輸出：

ObsIDAgeSexDateVisitSysBPDiasBPWeight1234567

A001	21	M	11/05/2009	1	140	85	195
A001	32	M	10/13/2009	2	138	90	198
A001	24	F	07/04/2009	3	145	95	200
A002	28	M	04/14/2009	1	121	75	168
A003	44	F	08/12/2009	1	118	68	125
A003	39	M	08/21/2009	2	112	65	123
A004	30	F	03/30/2009	1	143	86	204

可以看到，兩個數據集都有的變量ID和Date，結果集中只出現1次，且被第2個數據集的值覆蓋。

當然，上面這個例子沒有實際的意義，下圖中的例子才有實際的意義：

?

concatenating

?

工作原理

concatenating

即將兩個數據集連接起來

?

語法

DATA output-SAS-data-set;

?SET?SAS-data-set-1

?? ? ? ??SAS-data-set-2;

RUN;

?

示例

data tmp2;set cert.patdatcert.visit; run;proc print data=tmp2; run;

輸出:

ObsIDAgeSexDateVisitSysBPDiasBPWeight123456789101112131415161718

A001	21	M	08/17/1997	.	.	.	.
A002	32	M	02/18/1986	.	.	.	.
A003	24	F	06/07/1994	.	.	.	.
A004	28	M	01/27/1990	.	.	.	.
A005	44	F	04/24/1974	.	.	.	.
A007	39	M	07/10/1979	.	.	.	.
A008	30	F	09/16/1988	.	.	.	.
A001	.	?	11/05/2009	1	140	85	195
A001	.	?	10/13/2009	2	138	90	198
A001	.	?	07/04/2009	3	145	95	200
A002	.	?	04/14/2009	1	121	75	168
A003	.	?	08/12/2009	1	118	68	125
A003	.	?	08/21/2009	2	112	65	123
A004	.	?	03/30/2009	1	143	86	204
A005	.	?	02/27/2009	1	132	76	174
A005	.	?	07/11/2009	2	132	78	175
A005	.	?	04/16/2009	3	134	78	176
A008	.	?	05/22/2009	1	126	80	182

同樣的，兩個數據集都有的變量ID和Date，只出現一次, 但因為這個是連接，所以不存在值覆蓋問題。

同樣的，上面的例子沒有實際意義，只是為了展示工作原理，下面的例子才有實際意義：

?

Match-merging

工作原理

Match-merging

這個就是merge了，按照某個字段的值進行匹配，如果匹配上，就合并到一條記錄中。

?

語法

DATA output-SAS-data-set;

?MERGE?SAS-data-set-1

?? ? ? ? ? ? ??SAS-data-set-2;

?BY <DESCENDING> variable(s);

RUN;

?

示例

data tmp2;merge cert.patdatcert.visit;by id; run;proc print data=tmp2; run;

輸出

ObsIDAgeSexDateVisitSysBPDiasBPWeight123456789101112

A001	21	M	11/05/2009	1	140	85	195
A001	21	M	10/13/2009	2	138	90	198
A001	21	M	07/04/2009	3	145	95	200
A002	32	M	04/14/2009	1	121	75	168
A003	24	F	08/12/2009	1	118	68	125
A003	24	F	08/21/2009	2	112	65	123
A004	28	M	03/30/2009	1	143	86	204
A005	44	F	02/27/2009	1	132	76	174
A005	44	F	07/11/2009	2	132	78	175
A005	44	F	04/16/2009	3	134	78	176
A007	39	M	07/10/1979	.	.	.	.
A008	30	F	05/22/2009	1	126	80	182

可以看到，兩個數據集都有的變量Date，輸出中只出現一次, 且被第2個數據集的值覆蓋(ID是匹配字段，所以談不上覆蓋)，這是第一個問題。

另外一個問題是，結果集中的ID是包含了兩個數據集中所有的值，無論是否能匹配上，比如A007只在數據集中patdat中出現過，如果想要結果集中只出現匹配的項怎么辦？

針對這兩個問題，都是有解決方案的。

問題1：patdat和visit中都有Date變量，但兩者的含義并不相同，前者是出生日期，后者是指訪問日期，如何避免被覆蓋？答案是可以使用rename選項，選項語法為(RENAME=(old-variable-name=new-variable-name))

示例：

data tmp2;merge cert.patdat(RENAME=(Date=BirthDate))cert.visit(RENAME=(Date=VisitDate));by id; run;proc print data=tmp2; run;

輸出：

ObsIDAgeSexBirthDateVisitSysBPDiasBPWeightVisitDate123456789101112

A001	21	M	08/17/1997	1	140	85	195	11/05/2009
A001	21	M	08/17/1997	2	138	90	198	10/13/2009
A001	21	M	08/17/1997	3	145	95	200	07/04/2009
A002	32	M	02/18/1986	1	121	75	168	04/14/2009
A003	24	F	06/07/1994	1	118	68	125	08/12/2009
A003	24	F	06/07/1994	2	112	65	123	08/21/2009
A004	28	M	01/27/1990	1	143	86	204	03/30/2009
A005	44	F	04/24/1974	1	132	76	174	02/27/2009
A005	44	F	04/24/1974	2	132	78	175	07/11/2009
A005	44	F	04/24/1974	3	134	78	176	04/16/2009
A007	39	M	07/10/1979	.	.	.	.	.
A008	30	F	09/16/1988	1	126	80	182	05/22/2009

可以看到輸出中的BirthDate和VisitDate各占了一個變量

?

問題2：merge的時候如何只顯示真正匹配上的行？

答案是可以使用IN選項，選項語法為IN=variable，它創建一個臨時變量，如果當前觀測對結果集有用，那么該變量值會被設置為1，否則設置為0，在匹配的時候加上IF關健字判斷即可。注：這個變量并不會出現在結果集中。

示例：

data tmp2;merge cert.patdat(IN=tmpvar1 RENAME=(Date=BirthDate))cert.visit(IN=tmpvar2 RENAME=(Date=VisitDate));by id;if tmpvar1 eq 1 AND tmpvar2 eq 1; run;proc print data=tmp2; run;

輸出：

ObsIDAgeSexBirthDateVisitSysBPDiasBPWeightVisitDate1234567891011

A001	21	M	08/17/1997	1	140	85	195	11/05/2009
A001	21	M	08/17/1997	2	138	90	198	10/13/2009
A001	21	M	08/17/1997	3	145	95	200	07/04/2009
A002	32	M	02/18/1986	1	121	75	168	04/14/2009
A003	24	F	06/07/1994	1	118	68	125	08/12/2009
A003	24	F	06/07/1994	2	112	65	123	08/21/2009
A004	28	M	01/27/1990	1	143	86	204	03/30/2009
A005	44	F	04/24/1974	1	132	76	174	02/27/2009
A005	44	F	04/24/1974	2	132	78	175	07/11/2009
A005	44	F	04/24/1974	3	134	78	176	04/16/2009
A008	30	F	09/16/1988	1	126	80	182	05/22/2009

可以看到，結果集只有11個了。A007沒有匹配上

?

參考資料：

SAS Certified Specialist Prep Guide

?

?

總結

以上是生活随笔為你收集整理的SAS：数据合并简介的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。