如何使用兩個變數使用procsql連接兩個資料庫

我正在嘗試基于變數 office_id 和 office_id_flag 連接兩個資料集，每個資料集都有 50,000 個觀察值。

資料1變數

1. 格魯普
2. 年齡
3. 西班牙裔
4. ID
5. 種族
6. 性別
7. 精神疾病
8. mental_ill_dx
9. office_id
10. office_id_flag

資料2變數

1. er_vis
2. adm_hr
3. 心理醫院
4. 心理可見性
5. 地區
6. region_rpc
7. 收費
8. office_id
9. office_id_flag

我首先在資料步驟合并程序中嘗試了這個，因為我知道它是如何作業的，結果資料集有 50,000 個觀察值和 17 個變數，這對我來說很有意義。合并代碼：

proc sort data=data1; by office_id; run;
proc sort data=data2; by office_id; run;

data work.merge_datastep;
    merge data1 (in=dem) data2 (in=hosp);
    by office_id;
    if dem and hosp;
run;
*53000 observations and 17 variables;

我嘗試了很多 SQL 合并型別，每種型別都生成了一個包含 56000 個觀察值和 17 個變數的資料集，這是沒有意義的。

這是我在 SQL 中嘗試過的：

proc sql;
create table sql_outerjoin as 
 select * 
 from data1 full outer join data2 on data1.office_id=data2.office_id;
quit;


proc sql;
create table sql_leftjoin as 
 select * from data1 left outer join data2 on data1.office_id=data2.office_id;
quit;

proc sql;
create table work.sql_innerjoin as
select data1.*, data2.*
from work.data1, work.data2
where data1.office_id=data2.office_id;
quit; 

proc sql ;
create table sql_try1 as 
select one.*, two.*
from data1 as one
left join data2 as two
on (one.office_id = two.office_id and one.office_id_flag= two.office_id_flag);
quit;


proc sql;
create table sql_try3 as
select coalesce(a.office_id, b.office_id) as ID
from data1 a
full join data2 b
on a.ID = b.ID;
quit;

proc sql;
  create table sparcs_1 as
  select * 
  from data1, data2
  where data1.office_id=data2.office_id;
quit;


proc sql;
create table work.sql_leftjoin2 as
select s.*, d.*
from work.data1 as s left join work.data2 as d
on s.office_id=d.office_id;
quit; 

此外，這些 proc sql 嘗試中的每一個都導致了這些錯誤：

1. 警告：變數 office_id 已存在于檔案 WORK 中。what_table_name。
2. WARNING: Variable office_id_flag already exists on file WORK.whatever_table_name.

I'd like the final result to be identical to the datastep merge procedure and have all variables and 50,000 observations, matched on office_id and office_id_flag.

I'm out of my depth and am obviously shooting in the dark with this. Does anyone have any suggestions?

uj5u.com熱心網友回復：

如果資料步驟合并時觀察的數量沒有增加，而是在 SQL 連接中增加，那么您的資料在合并/連接鍵上不是唯一的。當有重復行時，SAS 不會增加合并中的行數 - 它也可能不會做你想要的，但它可能會做一些可以容忍的事情。但是，SQL 將為每個組合生成（取決于您的操作方式）額外的行。

如何解決這個問題？確保您有一個唯一的連接鍵，其中沒有一對（或更多）行在兩個資料集中共享相同的值。或者，考慮為您擁有的資料選擇正確的聯接型別 - 這可能需要匯總資料。

如果資料實際上是唯一的，則可能只是您沒有包含所需的確切組合。

proc sql;
  create table sparcs_1 as
  select * 
  from data1, data2
  where data1.office_id=data2.office_id
    and data1.office_id_flag=data2.office_id_flag
  ;
quit;

或者

proc sql;
  create table sparcs_1 as
  select * 
  from data1 inner join data2
  on data1.office_id=data2.office_id
    and data1.office_id_flag=data2.office_id_flag
  ;
quit;

這些都需要行匹配兩個變數并且來自兩個表。但這不是您的 SAS 資料步驟合并所做的 - 它僅取決于office_id，因此它可能會給出不同的結果。很可能你不能在 SQL 中完美地復制這個連接——不添加某種行編號——因為 SAS 進行合并的方式不同，通常不是你真正想要在 SQL 中做的事情。

其次，您的警告是因為您正在做這樣的事情：

select a.*, b.* 

如果相同的變數在兩個資料集中，那么您需要兩次。因此警告。如果連接鍵是唯一重疊的變數，那實際上不是問題——那么結果就是你想要的，只是有警告——但是你可以通過從至少一個表中顯式列出你想要的變數來洗掉它。最佳做法是根本不使用*，但這是可以理解的，尤其是當一張表有很多變數時。

uj5u.com熱心網友回復：

謝謝，喬！你的評論很有幫助。

我最終根據觀察行添加了一個行號（來自之前提出的這個問題https://communities.sas.com/t5/SAS-Procedures/PROC-SQL-QUESTION-How-to-add-a-row-number -to-a-table-observation/td-p/167770），并在 SAS 和 proc sql 中測驗生成的資料集。

代碼在這里：

proc sql;
  create table rows1 as
    select monotonic() as row, *
      from work.data1;
quit;

proc sql; 
    create table rows2 as 
        select monotonic() as row, *
            from work.data2;
quit;

proc sql ;
create table sql_rowmerge1 as 
select rows1.*, row2.er_vis, row2.adm_hr, row2.psych_hosp, row2.psych_vis, row2.region, row2.region_rpc, row2.charges
from rows1
left join rows2
on (rows1.row = rows2.row and rows1.office_id = rows2.office_id and rows1.office_id_flag= rows2.office_id_flag);
quit;

正如您所建議的，基于 3 個條件變數的合并，而不僅僅是 2 個（可能不是唯一的）變數，是以適當的方式將兩個資料集拉在一起的原因。結果資料集現在具有正確的 50,000 個觀察值。

再次感謝 - 這太棒了！我學到了一個新方法！

標籤：join merge sas proc-sql

上一篇：如何在Apache2上將ReactApp與LaravelSanctum集成

下一篇：PySparkSQL連接表