Question

我有一个带有ID和其他两个变量的数据集。 id不是唯一的，它在数据集中出现超过1次（患者可以接受多次临床治疗）。如果它是先前观察的完美克隆，我怎样才能丢弃整个观察（整条线）（基于另外两个变量值）？我不想使用疯狂的if语句。感谢。

Answer 1

proc sql;
select distinct * from olddata;
quit;

听起来像一个简单的SQL修复程序。如果选择所有列，则select distinct选项将删除数据集中任何完全重复的行。

Answer 2

如果您特别想要确定两个连续的行是否相同（但不希望匹配由其他行分隔的相同行），则可以在by语句上使用notsorted，然后first last变量。

data want;
  set have;
  by id var1 var2 notsorted;
  if first.var2;
run;

这将保留任何相同id / var1 / var2组的第一条记录，只要它们在数据集上是连续的。当然，如果您首先对数据集by id var1 var2进行排序，这将始终删除重复项，但不进行排序，这仍然适用于删除并置的连续对（或更多）。

Answer 3

我更喜欢@JJFord的回答，但为了完整起见，也可以使用nodupe中的proc sort选项来完成：

proc sort data=mydata nodupe;
  by id;
run;

您选择的by变量并不重要。重要的是指定nodupe选项。