結合SAS Data Set

結合SAS Data Set

• One-to-one merging (應該改很少用 @@)
• 新資料檔有所有的變項，兩資料檔的數據依序進入 PDV，因此相同變項時，第1資料檔會被覆寫，保留第 2資料檔的數據。
• Observation 只留「最少」資料檔的筆數。PDV 會進第1資料檔的第3筆，但是讀第2資料檔時會遇到 end-of-file，PDV就停止進資料，也不會輸出到新檔案中。
• 用 Set
• Data ab ;
  set a ;
  set b ;
  run;
• Data-set-A 
  Num    X
  1          10
  2          15
  3          20
• Data-set-B 
  Num       Y
  11           6
  13          12
• Combined Data-set
  Num    X        Y
  11       10        6
  13       15       12
• Data ab ; Merge a b; 則是會保留「最多」的Observation。
• Concatenating 垂直連接，成為新資料檔
• 新資料檔有所有的變項，也有所有的 Observation
• 同變項，要有相同的 attribute，若是 type 不同( NUM 與 Char) 會有 Error；若是同屬性，但length, Label, format, informat 不同，會以先讀入的為主。
• 用 SET 
• Data ab ;
  set  a  b;
  run;
• Data-set-A 
  Num    X
  1          10
  2          15
  3          20
• Data-set-B 
  Num    Y
  11           6
  13          12
• Combined Data-set
  Num    X        Y
  1          10        .
  2          15        .
  3          20        .
  11            .         6
  13            .        12
• Appending 附加，以原來 BASE為主，加在尾部
• PROC APPEND                            
             BASE=Base-data-set          DATA=Second-data-set  FORCE;
  RUN;

• 將 Second-data-set 的數據是加在 Master( Base) data-set 的尾部，沒有產生新 data-set，也不去讀取  Master( Base) data-set。
• 一次 Procedure 只能處理 2 個資料檔，Base 與 Second。
• 若 Second-data-set  的變項 有下列情況，要用 FORCE option;
• 有新的變項，不在 Base-data-set 裡
• Base沒有的變項會被 drop。
• 同名變項 的 type 不同， length 不同。
• 維持 Base 的type， Second-data-set的數據變missing；
  維持 Base 的Length，Second-data-set的數據被刪截；
• Interleaving 插入數據 ( Concatenating 加入 BY )
• 所有資料必須先 Sort in Ascending order.
• Set, By
  Data ab ; set a b ; by num; run;
• Data-set-A
  Num     X
  1          10
  2          15
  3          20
• Data-set-B
  Num     X   Y
  1           6    6
  3          12   12
• Combined Data-set
  Num     X    Y
  1          10     .
  1            6     6
  2          15     .
  3          20     .
  3          12    12

• Match-merging
• MERGE, BY
• 最好都先排序成 Ascending order，By值是missing排在頂，Execution Phase: PDV會依照BY值序順進行比對。
• 變項屬性以第 1個資料檔為主，但變項值則會被後到的資料 overwritten。
• 變項改名字
• Data-set ( RENAME= ( old-variable-name=new-variable-name ) ) 
• Excluding Unmatched Observations
• (IN= data set option) 與 If statement，產生 temp_a, temp_b 兩個 temporary variable，再利用 If statement 進行篩選所要輸出的資料檔
• 全部資料都留
  Data Mab ;
  merge  a ( in= temp_a)   b ( in=temp_b  rename=(x=new_x) );
  by Num;
  If     temp_a or temp_b  ;    *或者不寫 If statement;
  run;
• 只留完全 match ，AB兩資料檔都有的，把 if 段改如下
  If     temp_a and  temp_b  ;
  或者
  If     temp_a =1 and  temp_b  =1 ;
• 保留只在 A  或是 只在 B的
  If     temp_a ;
  If     temp_b  ;