一对多合并时相同变量的覆盖问题

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

举个例子，用by id 来一对多合并。
data a;
input id sex$ subject$ score;
cards;
1 m math 100
1 m chinese 99
2 m math 88
2 m chinese 76
;
run;

data b;
input id sex$ age;
cards;
1 f 13
2 f 12
;
run;

data all;
merge a b;
by id ;
run;
因为性别在两个数据集中都存在，应该是后一个数据集b中的性别覆盖掉a中的性别。又因为a中每个id又两条记录，所以b的结果应该重复两次。
我期望的结果是这样的：
id sex score age
1 f math 100 13
1 f chinese 99 13
2 f math 88 12
2 f chinese 76 12
实际的结果却是这样的
id sex score age
1 f math 100 13（第一条记录的性别被b中的覆盖）
1 m chinese 99 13（第二条记录中的性别没有被b覆盖，保留了a中原有的性别）
2 f math 88 12
2 m chinese 76 12
为什么会出现这种结果呢？分数是b中独有的变量，合并之后重复了两次没有问题。
但是性别作为在A中已经存在的变量，为什么一次被b覆盖，一次没有呢？如果想要两次都被B覆盖怎么办？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

关键词：一对多 Chinese Subject score cards

merge statement的运行，是按照它的by variable进行分组的。以你的程序为例，以id分组，id为1的时候，a中的1 m math 100，1 m chinese 99与b中的1 f 13为一组。merge分组之后，在PDV里面开始读入和写出，其中一个性质为，同一组内往PDV中放的时候，不会进行re-initialization，也就是PDV输出一个obs之后，并不会把PDV中的数据清除。当一组全部输出完毕，进入第二组时，才会清零。

在PDV中的运行机制，就以你的程序为例：
第一步，初始化阶段，PDV构架如下：
id     sex     subject     score     age
第二步，将a中第一组id （id=1的那一组）的第一个obs读入
id     sex     subject     score     age
1      m       math        100       .
第三步，将b中第一组id 的第一个obs读入，有相同variable name的就会覆盖，例如sex就会覆盖，age的missing值会被更新
id     sex     subject     score     age
1      f         math        100       13
自此，新数据集all的第一个obs产生并输出到all里面。由于上面也说过，merge在同一个组内，读出第一个obs到新合并数据集后，PDV不会被re-initialized，所以第三步中的全部数据，将会被保留，然后开始下面的读取。
第四步，将a中第一组id的第二个obs读入，sex会被覆盖为m（这个就是你疑问所在），math会被覆盖为chinese，score会被覆盖为99。
id     sex     subject     score     age
1      m       chinese        99       13
由于b中没有第二个obs，而b的第一个obs并不参与all第二个obs的构建，仅仅是age在PDV里面被retain为13，所以这个就作为all的第二个obs输出。自此，merge的第一组id过程完成。然后进入第二组id的merge，此时PDV会进行re-initialization，里面的值都会被清除，便于开始读取第二组id的内容，过程与上面描述一样。

要想知道merge的过程，还是需要仔细研究一下PDV的运作机制，希望这个回答能够对楼主有所帮助。