SAS：如果满足条件，则消除重复项

Question

我想根据标识符、顺序和条件从数据库中消除重复项。

更准确地说，我有几个观察数据。有时我有一个条件让我想保留那个观察结果（让我们修复它condition=1），但即使这个条件不成立，也要用相同的标识符保持观察结果（条件=0）。

但是，如果我对一个标识符有几个观察结果 condition=0，那么我想消除重复项，标准是具有最大 order。

没有条件我可以这样做

proc sort data=have;
    by identifier descending order;
run;

proc sort nudopkey data=have;
    by identifier;
run;

但是如何将我的条件纳入其中？

编辑1：添加数据库示例：

data Test; 
   input identifier $ order condition; 
   datalines;
1023 1 0
1023 2 0
1064 2 0
1064 1 0
1098 1 0
1098 1 1
;          

那我想保留

• 1023 2 0
• 1064 2 0
• 1098 1 0
• 1098 1 1

编辑 2：试图精确我的条件

Answer 1

我假设您只想在标识符的所有记录的条件设置为 0 时消除重复项。在这种情况下，您希望保留具有最大顺序的记录并消除具有相同标识符的所有其他记录。

Proc sql; 
         create  table   want    as 
         select  * 
         from    test 
         group   by      identifier 
         having  max (condition) ne      0 
         or      order           eq      max (order) 
         ; 
Quit; 

这将保留最大条件 = 1 的标识符的所有行， 或者在最大条件 = 0 的情况下，选择具有最大顺序的行。

这就是你想要的吗？

Answer 2

其中一些取决于您如何定义“条件”。您的情况是否可以在该标识符的每条记录上轻松验证？然后你可以做这样的事情。

1. 评估条件。
2. 对于为真的记录（您要删除重复项），设置 flag=0。对于不正确的记录，将条件标志加一。

如果该 ID 中的所有记录的条件都为真，则所有记录都将具有相同的值 (flag=0)，并且by identifier flag; 上的 nodupkey 将删除额外内容。如果所有记录的条件都为假，则不会删除这些记录。如果某些为真而某些为假，并且您只想删除具有该标识符的某些记录（仅删除为真的重复记录），那么您必须确保对其进行排序以具有所有条件= true 记录在顶部，或者有一个单独的标志计数器来确定标志的值（因为它有时会在中间变为 0，所以 0 0 0 1 2 3 0 4 5 6 是你想要的，而不是 0 0 0 1 2 3 0 0 1 2 ）。

也许更容易看到的是在数据步中进行。排序后by identifier descending order：

data want;
  set have;
  by identifier descending order;
  if (condition=true) and not (first.identifier) then delete;
run;

如果 condition=true 始终位于顶部，或者在一个 ID 组中始终保持一致，这将再次起作用。如果它不一致且混杂，那么您需要跟踪您是否保留了一个真实的记录（假设您想要），或者它可能会删除所有真实的记录；使用单独的变量来跟踪您保留了多少。 first.identifier 将仅针对该标识符的第一条记录为 1/TRUE，不考虑条件。您还可以创建标志，然后对by identifier flag descending order; 进行排序并保证条件=true 位于顶部（通过将flag=0 设置为true，或按descending flag 进行排序。）