Question

为什么堆叠两个数据集的以下两种替代方法的结果不同？

data work.a; 
    length ds $1;
    ds = 'A';
    do i = 1 to 3;
        output;
    end;
run;
data work.b; 
    length ds $1;
    ds = 'B';
    do i = 1 to 3;
        do j = 1 to 3;
            output;
        end;
    end;
run;

*- ALTERNATIVE 1 -*;
data work.c;
    set work.a work.b;
    if j = . then j = i;
run;

*- ALTERNATIVE 2 -*;
data work.d;
    set work.a work.b;
run;
data work.d;
    set work.d;
    if j = . then j = i;
run;

我的猜测是数据集c和d都有j = i，其中ds ='A'。

Answer 1

原因是通过SET语句读入变量的自动RETAIN。通过set语句读入的所有变量都保留在PDV中，直到SET的下一次迭代，其中替换了新值（来自set语句中的数据集）。

在编译期间，SET语句中数据集中的所有变量都在PDV中创建在第一次执行迭代中，读取SET语句（work.a）中的第一个数据集，并将值1赋予i。变量j为null（。），因此逻辑条件为真，j变为1。在第二次迭代中，i根据数据集work.a中的值替换为2，并且j未被替换（因为work.b未被读取） - 因此它被保留，因此它不为null，因此逻辑没有被执行。

有关更多示例，请参阅此sugi paper的示例3。它表明您可以通过简单地创建一个新变量来解决这个问题，如下所示：

data work.c;
    set work.a work.b;
    if j = . then XXX = i;
run;

RETAIN语句（相反）是保留未从SET语句中的数据集编译的NEW变量所必需的。

堆叠数据集时出现意外结果

1 个答案: