by 语句在 sas 数据步骤中真正做了什么？答案

【问题标题】：What is a by statement really doing in a sas data step?by 语句在 sas 数据步骤中真正做了什么？
【发布时间】：2015-07-04 05:10:55
【问题描述】：

好吧，这似乎是一件非常简单的事情，但我无法解释 sas datastep 中的“by statement”到底在做什么。我知道什么时候需要使用它，但我不确定它在做什么。

在下面的示例中，我了解 first.var 和 last.var 的虚拟 sas 列是什么，当它具有它的值时。 by 语句是否在 var initial 和 metal 周围创建了这些虚拟列？那么sas是扫描整个数据集一次呢？

data jewelers ;
  input id initial $ metal $ ;
datalines;
456 D Gold
456 D Silver
123 L Gold
123 L Copper
123 L PLatinum
567 R Gold
567 R Gold
567 R Gold
345 A Platinum
345 A Silver
345 A Silver
;

proc sort ;
  by initial metal ;
run;

data dups;
  set jewelers ;
  by initial metal ;                           
  if not (first.metal and last.metal) then output;
run;

如果我 proc print dups 我希望这样：

567 R Gold
567 R Gold
567 R Gold
345 A Silver
345 A Silver

【问题讨论】：

在您的示例中，first.id 和 last.id 未初始化，因为它们未出现在 by 语句中。要查看创建了哪些隐藏变量，请在 by 语句之后添加 put _all_; 语句。（仅对小型数据集执行此操作，因为它有可能填满日志）。

标签： duplicates sas datastep

【解决方案1】：

正如您所承认的，SAS 正在为您的 by 语句中的每个 byvar 创建自动变量 first.byvar 和 last.byvar。从set 语句读入的记录在 SAS 将它们移动到 PDV（程序数据向量 - 在输出之前在每一行上执行数据步骤逻辑）之前保存在缓冲区中，因此 SAS 可以提前查看下一条记录在缓冲区中查看是否有任何 byvars 已更改，并为当前在 PDV 中的行设置last.byvar = 1。

我可以看到你所说的你所期望的和你在 dups 数据集中得到的唯一区别是记录的顺序 - 因为你已经按初始排序然后金属排序，A Silver 记录排序在前面R Gold 记录。

如果您想在保留原始行顺序的同时跨这两个变量获取重复项，则需要记下原始记录顺序，并在您的第二个数据步骤之后将您的重复数据集重新排序为该顺序。

【讨论】：

【解决方案2】：

SAS 基本上是将当前记录与之前和之后的记录进行比较来计算 FIRST。最后。标志。如果你愿意，你可以自己滚动。

data test ;
   set jewelers end=eof;
   by initial metal ;
   if not eof then 
      set jewelers (firstobs=2 keep=initial metal 
                    rename=(initial=next_initial metal=next_metal))
   ;
   first_initial = (_n_=1) or (initial ne lag(initial));
   last_initial = eof or (initial ne next_initial) ;
   first_metal = first_initial or (metal ne lag(metal)) ;
   last_metal = last_initial or (metal ne next_metal);
   put / (initial metal) (=);
   put (first:) (=);
   put (last:) (=);
run;

【讨论】：