数据集的拼接和合并-SAS

2024年2月13日发(作者：我的白羊座)

数据集的链接是把两个或以上的观测集连接成一个新的数据集。连接的方式有两种，拼接和合并。在sas数据步中用t语句可以拼接数据集，而用merge语句合并数据集。其区别如下：

SAS数据集的连接

A B

Data C;

Set A B;

Run;

Data C;

Merge A B;

Run;

A

B

A B

1.数据集的拼接

数据集的拼接可分为三种主要的拼接情况：

（1）相同变量的数据集拼接

Data A;

Input common x;

Cards;

9801 1

9802 2

9803 3

Data B;

Input common x;

Cards;

9801 4

9802 5

9803 6

Data C;

Set A B;

Proc print data = C;

Run;

（2）不相同变量的数据集拼接

Data A;

Input common x;

Cards;

9801 1

9802 2

9803 3

Data B;

Input common y;

Cards;

9801 4

9802 5

9803 6

Data C;

Set A B;

Proc print data = C;

Run;

（3）按关键字排序后拼接数据集

Data A;

Input common x;

Cards;

9801 1

9802 2

9803 3

Data B;

Input common y;

Cards;

9801 4

9802 5

9803 6

Proc sort Data = A;

By common;

Proc sort data = B;

By common;

Data C;

Set A B;

By common;

Proc print data = C;

Run;

无论哪种拼接格式，用t语句生成的新数据集的观测总数为原各输入数据集观测数之和。

2.数据集的合并

数据集的合并是通过merge语句把两个或以上数据集中的两条观测或两个以上的观测合并为新生成数据集中的一条观测。数据集的合并可分为两种情况：一对一的合并（不带by语句）和匹配合并（带by语句）。

（1）一对一合并（不带by语句）把一个数据集的第1条观测同另外一个数据集的第1个观测合并，第2条观测同另外一个数据集中第2个观测合并，以此类推。新生成的数据集的观测总数为这些数据集中观测个数的最大值。如果对应的数据集已没有观测，则相应的变量为

默认值。如果在几个数据集中有共同的变量，则在合并后新生成的数据集中只有一个变量，其值为列在merge语句中最后一个含有该变量的数据集中的观测值。注意：此时并不要求是否有相同变量，仅1-1合并。

Data A;

Input common x;

Cards;

9801 1

9802 2

9803 3

Data B;

Input common y;

Cards;

9801 4

9802 5

Data c;

Merge A B;

Proc print data = c;

Run;

（2）匹配合并（带有by语句）。如果想把两个或以上的数据集按照相同的关键字值合并，则在merge语句后面要用by跟关键字语句。且每一个数据集必须预先按照关键字排序好。如果2个数据集中的观测的关键字值不匹配，输出所有这些观测，相应的新增变量的值为默认值。如果第2个数据集中的观测站是多对多匹配，要注意新生成的数据集中相同关键字值的观测值的观测数为各数据集中这个关键字值的观测数的最大值。相同关键字值的观测按顺序一对一合并，无论哪一个数据集中这个相同关键字值的观测没有了，都取这个相同关键字值的最后一条观测继续合并。

Data orders;

Input p_id quantity;

Cards;

9802 1

9803 2

9803 3

Data products;

Input p_id p_name $ price;

Cards;

9801 Apple 4

9803 Banana 6

Procsortdata = orders;

By p_id;

Procsortdata = products;

By p_id;

Data sales;

Merge orders products;

By p_id;

Run;

Procprintdata = sales;

Run;