SAS:数据集的横向合并(二)

前面我们介绍了在data step中用merge的方法可以对数据集横向合并，这节我们来讲讲在procedure过程步中用proc sql的方法对数据集进行横向连接，proc sql的功能十分强大，一般在data step中能实现的同样在proc sql中也可以实现，而且在很多时候， Proc步要更胜一筹。proc sql语句中的横向连接主要有左连接、右连接、内部连接、完全连接这几种情况。下面我将详细介绍：

一、最简单的join——笛卡尔积

不指定where选择子集，则会生成一个最基本的笛卡尔积，即包括两个表所有可能的join。

data one;

input x a$;

    cards;

1 a

2 b

4 d

;

run;

data two;

input x b$;

    cards;

2 x

3 y

5 v

;

run;

proc sql;

create table three1 as

        select *

              from one,two;

quit;

/ 结果如下： /

有这个过程后，就能完全了解一对多，多对多，多对一连接后的结果了，反正全部都是先进行一次所有行的笛卡尔积的生成，然后再按条件进行筛选。

二、内连接

（1）内连接只会对两表中基于准则的行进行组合和显示。在内连接中，where从句是限制在笛卡尔输出集中显示的行的数量。

proc sql;

select one.x, a, b

from one, two  

where one.x = two.x;

quit;

/ 结果如下： /

（2）在标准内连接中，出现两个表都含有重复的值的情况，内连接会对所有满足条件的观测行进行一一对应的笛卡尔积

proc sql;

create table three3 as

       select *          

           from three, four  

               where three.x = four.x;

quit;

/ 结果如下： /

三、外连接

外连接是内连接的一个augmentation,除了交的部分，还含有并的某些或全部

（1） 左连接（左表变量顺序保持不变 ）

左连接会将所有满足ON条件的行进行连接，并会额外加上左表中所有不满足条件的行。未满足条件的右表的行被置为缺失值。

proc sql;

create table three4 as

     select *         

         from one left join two  

            on one.x = two.x;

quit;

/ 结果如下： /

（2）右连接（右表变量顺序保持不变 ）

右连接会将所有满足ON条件的行进行连接，并会额外加上左表中所有不满足条件的行。

proc sql;

create table three5 as

    select *         

        from one right join two  

            on one.x = two.x;

quit;

/ 结果如下： /

（3）全连接

全连接会把所有满足和不满足条件的行全部列出来，如果要得出和merge一样的效果，需要加入coalesce函数

COALESCE(argument-1<..., argument-n>) 这个函数也可以对left和right/join用，但是只能得出left或right的结果

例1：不使用coalesce

proc sql;

create table three6 as

      select *         

          from one full join two  

              on one.x = two.x;

quit;

/ 结果如下： /

例2：使用coalesce

proc sql;

create table three7 as

        select coalesce(one.x,two.x) as x,a,b

              from one full join two

                    on one.x=two.x;

quit;

/ 结果如下： /

四、Merge/Join的联系与区别

（1）一对一

data one;

input x a$;

cards;

1 a

2 b

4 d

;

run;

data two;

input x b$;

cards;

2 x

3 y

5 v

;

run;

data merged1;

merge one two;

     by x;

run;

proc sql;

create table merged2 as

     select coalesce(one.x, two.x) as X, a, b

          from one full join two

               on one.x = two.x;

quit;

当是处于一对一的情况时，merge a b;by x;相当于SQL的full join:即a full join b on a.x=b.x;

（2）一对多或多对一

data three;

input x a$;

     cards;

1 a1

1 a2

2 b1

4 d

;

run;

data four;

input x b$;

    cards;

2 x1

2 x2

2 x3

3 y

5 v

;

run;

data merged1;

merge three four;

    by x;

run;

/ 结果如下： /

proc sql;

create table merged2 as

     select coalesce(three.x, four.x) as x, a, b

         from three full join four

              on three.x = four.x;

quit;

当是处于一对多或多对一的情况时，merge a b;by x;相当于SQL的full join:即a full join b on a.x=b.x on a.x=b.x;

（3）多对多

data five;

input x a$;

    cards;

1 a1

1 a2

2 b1

2 b2

4 d

;

run;

data six;

input x b$;

    cards;

2 x1

2 x2

2 x3

3 y

5 v

;

run;

data merged1;

merge five four;

    by x;

run;

/ 结果如下： /

proc sql;

create table merged2 as

      select coalesce(five.x, six.x) as x, a, b

            from five full join six

                 on five.x = six.x;

quit;

/ 结果如下： /

当是多对多的情况时，merge a b;by x;与 SQL的full join会产生不同的结果。

**总结：

**

1.一对一或一对多（多对一）合并

（1）merge a b;by x;相当于SQL的full join:即a full join b on a.x=b.x;

（2）merge a(in=ina) b(in=inb);by x;if ina;相当于sql的左连接 a left join b on a.x=b.x;

（3）merge a(in=ina) b(in=inb);by x;if ina and inb;相当于SQL的内连接：a inner join b on a.x=b.x;

2.多对多合并

两者区别较大，merge只取A.x与B.x的并集，即AUB；而SQL则取两者的笛卡尔乘积数即A.x的数量*B.x的数量。