如何复制 SAS 合并

Question

我有两张桌子，t1 和 t2：

t1
  person | visit | code1 | type1
       1       1      50      50 
       1       1      50      50 
       1       2      75      50 

t2
  person | visit | code2 | type2
       1       1      50      50 
       1       1      50      50 
       1       1      50      50 

当 SAS 运行以下代码时：

   DATA t3;
     MERGE t1 t2;
     BY person visit;

   RUN;

它生成以下数据集：

       person | visit | code1 | type1 | code2 | type2
            1       1      50      50      50      50
            1       1      50      50      50      50
            1       1      50      50      50      50
            1       2      75      50

我想在 SQL 中复制这个过程，我的想法是使用全外连接。除非有重复的行，否则此方法有效。当我们在上面的例子中有重复的行时，一个完整的外连接会生成下表：

       person | visit | code1 | type1 | code2 | type2
            1       1      50      50      50      50
            1       1      50      50      50      50
            1       1      50      50      50      50
            1       1      50      50      50      50
            1       1      50      50      50      50
            1       1      50      50      50      50
            1       2      75      50

我想知道如何让 SQl 表与 SAS 表匹配。

Answer 1

戈登的回答很接近；但它错过了一点。这是它的输出：

person  visit   code1   type1   seqnum  person  visit   code2   type2   seqnum
1       1       1       1       1       1       1       1       1       1
1       1       2       2       2       1       1       2       2       2
NULL    NULL    NULL    NULL    NULL    1       1       3       3       3
1       2       1       3       1       NULL    NULL    NULL    NULL    NULL

第三行的空值不正确，而第四行的空值是正确的。

据我所知，在 SQL 中，除了将事情拆分为几个查询之外，没有真正好的方法可以做到这一点。我认为有五种可能：

• 匹配人/访问，匹配seqnums
• 匹配人员/访问，Left 有更多 seqnums
• 匹配人员/访问，Right 有更多 seqnums
• 左边有不匹配的人/访问
• 权利有无与伦比的人/访问

我认为最后两个可能适用于一个查询，但我认为第二个和第三个必须是单独的查询。当然，您可以将所有内容结合在一起。

这里有一个例子，使用一些更适合查看正在发生的事情的临时表。请注意，第三行现在填充了code1 和type1，即使它们是“额外的”。我只添加了五个标准中的三个 - 您在最初示例中的三个 - 但其他两个并不太难。

请注意，这是在 SAS 中远更快的示例 - 因为 SAS 具有逐行概念，即它能够一次执行一行。对于大型表，SQL 往往需要更长的时间，除非可以非常整齐地划分事物并拥有非常好的索引 - 即便如此，我也从未见过 SQL DBA 在其中一些方面做得与 SAS 一样好类型的问题。这当然是你必须接受的——SQL 有它自己的优势，其中之一可能就是价格......

这是我的示例代码。我确信它不是非常优雅，希望 SQL 人员之一可以改进它。这是为在 SQL Server 中工作而编写的（使用表变量），同样的事情应该在其他变体中进行一些更改（使用临时表），假设它们实现了窗口化。 （SAS 当然不能做这个特别的事情——因为即使是 FedSQL 也实现了 ANSI 1999，而不是 ANSI 2008。）这是基于 Gordon 的初始查询，然后在最后用附加位进行修改。任何想要改进这一点的人，请随时编辑和/或复制到新的/现有的答案。

declare @t1 table (person INT, visit INT, code1 INT, type1 INT);
declare @t2 table (person INT, visit INT, code2 INT, type2 INT);


insert into @t1 values (1,1,1,1)
insert into @t1 values (1,1,2,2)
insert into @t1 values (1,2,1,3)

insert into @t2 values (1,1,1,1)
insert into @t2 values (1,1,2,2)
insert into @t2 values (1,1,3,3)

select coalesce(t1.person, t2.person) as person, coalesce(t1.visit, t2.visit) as visit,
                t1.code1, t1.type1, t2.code2, t2.type2
from (select *,
             row_number() over (partition by person, visit order by type1) as seqnum
      from @t1
     ) t1 inner join
     (select *,
             row_number() over (partition by person, visit order by type2) as seqnum
      from @t2
     ) t2
     on t1.person = t2.person and t1.visit = t2.visit and
        t1.seqnum = t2.seqnum
 union all

select coalesce(t1.person, t2.person) as person, coalesce(t1.visit, t2.visit) as visit,
                t1.code1, t1.type1, t2.code2, t2.type2
from (
      (select person, visit, MAX(seqnum) as max_rownum from (
        select person, visit, 
             row_number() over (partition by person, visit order by type1) as seqnum
      from @t1) t1_f 
      group by person, visit
     ) t1_m inner join
     (select *, row_number() over (partition by person, visit order by type1) as seqnum
       from @t1
      ) t1 
        on t1.person=t1_m.person and t1.visit=t1_m.visit
        and t1.seqnum=t1_m.max_rownum
        inner join
     (select *,
             row_number() over (partition by person, visit order by type2) as seqnum
      from @t2
     ) t2
     on t1.person = t2.person and t1.visit = t2.visit and
        t1.seqnum < t2.seqnum 
     )
 union all
 select t1.person, t1.visit, t1.code1, t1.type1, t2.code2, t2.type2
     from @t1 t1 left join @t2 t2
    on t2.person=t1.person and t2.visit=t1.visit
    where t2.code2 is null

Answer 2

您可以通过向每个表添加 row_number() 来复制 SAS 合并：

select t1.*, t2.*
from (select t1.*,
             row_number() over (partition by person, visit order by ??) as seqnum
      from t1
     ) t1 full outer join
     (select t2.*,
             row_number() over (partition by person, visit order by ??) as seqnum
      from t2
     ) t2
     on t1.person = t2.person and t1.visit = t2.visit and
        t1.seqnum = t2.seqnum;

注意事项：

• ?? 表示放入用于排序的列。 SAS 数据集具有内在顺序。 SQL 表没有，因此需要指定顺序。
• 您应该明确列出列（而不是在外部查询中使用t1.*, t2.*）。我认为 SAS 在结果数据集中只包含一次 person 和 visit。

编辑：

注意：以上为键列生成单独的值。这很容易解决：

select coalesce(t1.person, t2.person) as person,
       coalesce(t1.key, t2.key) as key,
       t1.code1, t1.type1, t2.code2, t2.type2
from (select t1.*,
             row_number() over (partition by person, visit order by ??) as seqnum
      from t1
     ) t1 full outer join
     (select t2.*,
             row_number() over (partition by person, visit order by ??) as seqnum
      from t2
     ) t2
     on t1.person = t2.person and t1.visit = t2.visit and
        t1.seqnum = t2.seqnum;

这解决了列问题。您可以使用first_value()/last_value() 或更复杂的join 条件来解决复制问题：

select coalesce(t1.person, t2.person) as person,
       coalesce(t1.visit, t2.visit) as visit,
       t1.code1, t1.type1, t2.code2, t2.type2
from (select t1.*,
             count(*) over (partition by person, visit) as cnt,
             row_number() over (partition by person, visit order by ??) as seqnum
      from t1
     ) t1 full outer join
     (select t2.*,
             count(*) over (partition by person, visit) as cnt,
             row_number() over (partition by person, visit order by ??) as seqnum
      from t2
     ) t2
     on t1.person = t2.person and t1.visit = t2.visit and
        (t1.seqnum = t2.seqnum or
        (t1.cnt > t2.cnt and t1.seqnum > t2.seqnum and t2.seqnum = t2.cnt) or
        (t2.cnt > t1.cnt and t2.seqnum > t1.seqnum and t1.seqnum = t1.cnt)

这在单个连接中实现了“保留最后一行”逻辑。可能出于性能原因，您可能希望将其放入原始逻辑上的单独 left joins 中。