Question

我有两个数据集DS1和DS2。 DS1是100,000rows x 40cols，DS2是20,000rows x 20cols。如果某些字段与COL1匹配，我实际上需要从DS1提取DS2。由于我对SAS非常新，我试图坚持SQL逻辑。

基本上我做了（拍摄版）

proc sql;
...
SELECT DS1.col1 
FROM DS1 INNER JOIN DS2 
on DS1.COL2=DS2.COL3 
OR DS1.COL3=DS2.COL3 
OR DS1.COL4=DS2.COL2
...

一个小时左右后，它仍然在运行，但是我收到了来自SAS的电子邮件，我正在使用700g左右。是否有更好，更快的SAS方式进行此操作？

Answer 1

我会使用3个单独的查询并使用UNION

proc sql;
...
SELECT DS1.col1 
FROM DS1 INNER JOIN DS2 
on DS1.COL2=DS2.COL3 

UNION

SELECT DS1.col1 
FROM DS1 INNER JOIN DS2 
On DS1.COL3=DS2.COL3 

UNION

SELECT DS1.col1 
FROM DS1 INNER JOIN DS2 
ON DS1.COL4=DS2.COL2
...

Answer 2

您加入的列中可能包含空值或空值。您的查询可能会将所有null / blank列匹配在一起，从而产生非常大的结果集。

我建议添加其他条款以排除空结果。

此外 - 如果两个表中都存在相同的行，那么您还应该阻止该行加入自身。

其中任何一个都可以有效地导致笛卡尔产品加入（或接近笛卡尔产品加入的东西）。

编辑：顺便说一句 - 调试此类问题的一种好方法是将两个数据集限制为一定数量的行 - 比如说每行100个 - 然后运行它并检查输出确保它是预期的。您可以使用SQL选项inobs=，outobs=和loops=执行此操作。 Here's a link to the documentation

Answer 3

首先使用proc排序对要尝试合并的数据集进行排序。然后根据id合并数据集。

以下是如何做到这一点。我假设你匹配字段为ID

proc sort data=DS1;
by ID;
proc sort data=DS2;
by ID;

data out;
merge DS1 DS2;
by ID;
run;

您可以对Ds3和DS4使用proc排序，然后在合并语句中包含它们，如果您还需要加入它们。

在SAS中连接两个数据集的替代方法

3 个答案: