SAS 的 Data step 與 Proc SQL

文獻1：Malachy J. Foley. "MERGING vs. JOINING: Comparing the DATA Step with SQL" SUGI 30.

圖一

data step merge 
... ...
MERGE  one (IN=in1) two (IN=in2); BY id ;
IF 條件設定;
RUN;




重點摘要：

• 各個資料檔的主 id 沒有重覆， Match-merge的情況下 data step merge 與 SQL JOIN可以有相同的產出。data step merge  的各種條件設定，與相對應的 SQL JOIN 說明如下：
  ABC區    IF in1 = 1 or in2 = 1;        相當於 SQL 的 FULL OUTER JOIN。
  AB   區    IF in1 = 1                ;        相當於 SQL 的 LEFT OUTER JOIN。
    BC 區    IF                 in2 = 1;        相當於 SQL 的 RIGHT OUTER JOIN。
    B   區    IF in1 = 1 AND  in2 = 1;        相當於 SQL 的 INNER JOIN。
  
  
• SQL JOIN 主要分二類：INNER、OUTER，其執行機制來於 CARTESIAN PRODUCT。 OUTER JOIN 又可分三類 FULL OUTER JOIN、LEFT OUTER JOIN、RIGHT OUTER JOIN，在寫程式時， OUTER 這個字可以省略（如 FULL JOIN）。
• CARTESIAN PRODUCT （圖二）沒有  ON key-field-condition
  基本上如果 one 有3筆，two有2筆，three有2筆，其結果就是 3 * 2 * 2 = 12筆
  以SQL來寫，
  PROC SQL;
    CREATE TABLE allrecord AS
    SELECT *
    FROM one, two, three
  ;
  QUIT;

圖二

• INNER JOIN的兩種寫法（概念如圖一），有  ON key-field-condition
  PROC SQL;
    CREATE TABLE both AS
    SELECT *
    FROM one INNER JOIN two
    ON one.id = two.id
  QUIT;
  
  PROC SQL;
    CREATE TABLE both AS
    SELECT *
    FROM one, two
    WHERE one.id = two.id
  QUIT;
• OUTER JOIN 也是有 ON key-field-condition，主 key 最好要另加上coalesce () ，如：SELECT coalesce (one.id , two.id) AS new_id。
• 若只要 A 區（有 one但不含 two）
  SQL可用
      LEFT JOIN ... ...
      ON ... ...
      WHERE two.id  IS  NULL
  data step 可用  IF in1 = 1 AND  in2 = 0;
  
  若只要 C 區（有 two但不含 one）
  SQL可用
      RIGHT JOIN ... ...
      ON ... ...
      WHERE one.id  IS  NULL
  data step 可用  IF in1 = 0 AND  in2 = 1;
  
  若只要 AC 區（排除 B，即排除one與 two的聯集）
  SQL可用
      FULL OUTER JOIN ... ...
      ON ... ...
      WHERE one.id  IS  NULL OR  two.id  IS  NULL
  data step 可用  IF in1 +  in2 = 1;

文章最後有用 data step 作 CARTESIAN PRODUCT 的範例，如下
DATA CART ;
SET one  (rename=(ID=ID1));
    DO i=1 TO kkk;
        SET two point=i  nobs=kkk;    OUTPUT;
    END;
RUN;

原則上就是分兩次 SET，並且在第2次時，搭配 do-output-end，最重要的還有 point 與 nobs 的指令，我猜似它的用途為
1、nobs 得到 two 有幾筆資料，並匯到 變項 kkk裡，而 kkk剛好告訴 DO loop 何時要停整。
2、point 很重要的，但無解，不懂。