set 语句中的 SAS '/unique' 实际上是做什么的？

Question

我有一些旧的 SAS 代码要转换成 python。

部分代码有效地做到了这一点：

data A (index=(key1=(record_id, record_version)));
  set table.xxx (where = ...)
run;

data B;
  set table.yyy (where = ...)
  set A key=key1/unique;
    if _ERROR_ = 1 then do;
      valueA = "";
      _ERROR_ = 0;
    end;
run;

我已阅读 SET and UNIQUE 声明的文档，其中说：

默认情况下，SET 仅在 KEY= 值更改时才在索引顶部开始搜索。

如果 KEY= 值在 SET 语句的连续执行中没有改变，则搜索从最近检索到的观察开始。换句话说，当出现连续重复的 KEY= 值时，SET 语句会尝试与正在读取的数据集中的重复索引值进行一对一匹配。如果指定的连续重复 KEY= 值多于正在读取的数据集中存在的重复值，则将多余的重复值视为未找到。

当 KEY= 是唯一值时，只有第一次尝试使用该键值读取观察结果才会成功；随后尝试使用该键值读取观察结果失败。 IORC 变量返回一个对应于 SYSRC 自动调用宏的助记符 _DSENOM 的值。如果添加 /UNIQUE 选项，则后续尝试读取具有唯一 KEY= 值的观察会成功。 IORC 变量返回 0。

嗯，“随后尝试使用该键值读取观察结果失败。”。失败怎么办？

所以实际上，给定 A 和 B 是：

A record_id record_version valueA     B record_id record_version valueB
  1         1              A11          1         1              B10 
  1         1              A12          1         2              B20
  1         2              A22
  1         3              A33 

我的输出肯定会包括这些行：

record_id record_version valueA valueB
1         1              A11    B10
1         2              A22    B20

我不明白if _ERROR_ 语句的作用。

我明白了吗？

record_id record_version valueA valueB
1         1                     B10

还是这个？

record_id record_version valueA valueB
1         1              A12    B10

我明白了吗？

record_id record_version valueA valueB
1         3              A33    null

还是这个？

record_id record_version valueA valueB
1         3                     null

错误语句处理的边缘情况是什么？

Answer 1

当查找表 A 中不存在来自 set table.yyy (where = ...) 数据的键时，代码会将查找值重置为缺失。如果未发生重置，则查找值将是从先前成功查找中检索到的值。

/UNIUE 告诉 SET 如果有多个可能的检索（即查找表 A 具有重复的 record_id/record_version），它应该检索 first 查找。 在未找到此类查找的情况下，仍需要 _ERROR_ 来重置查找值。

只有当主表的重复键行数多于非唯一索引查找表的重复键行数时，问题才会真正出现。

例子：

* lookup indexed, but not unique;
* lookup is more typically a 'transaction' table;
data lookup(index=(IDX_key1key2=(key1 key2)));
input key1 key2 valueA $; datalines;
1 1 A11      1st 1 1
1 1 A12      2nd 1 1
1 2 A22
1 3 A33
;

data master;
input key1 key2 valueB $; datalines;
1 1 B10       1st 1 1 
1 2 B20
1 1 B30       1st 1 1 
1 1 B40       2nd 1 1
1 1 B50       3rd 1 1
;

* data for 2nd 1 1 lookup is from 2nd lookup;
* data for 3rd 1 1 lookup is from 2nd lookup and PUT will show _ERROR_=1 in log;
* No _ERROR_ check, that cant be good;
data master_with_keyed_lookup;
  set b;
  set a key=IDX_key1key2;

  put _all_;
run;

* data retrieved for 2nd and 3rd 1 1 lookup are from 1st lookup row due to unique;
* No _ERROR_ check, that cant be good;
data master_with_unique_keyed_lookup;
  set b;
  set a key=IDX_key1key2/unique;

  put _all_;
run;