添加基于另一个数据集的标志

Question

假设有一个包含 x 列（变量）的数据集“DB1”。您有一个名为“my_identifiers”的变量。然后，您有另一个数据集“DB2”，其中有一个名为“my_identifiers_subset”的变量。然后，如果 DB2 中的“my_identifiers_subset”值位于 DB1 中的“my_identifiers”中，则在 DB1 中添加一个列标志，其中包含 1，否则为 0。

有人可以帮助我吗？当比较涉及相同的数据集时，我知道如何处理这个问题，但在与外部数据集比较时，我不知道如何处理这个问题。

          data DB1;
          input ID$ my_identifiers$;
          cards;
          1 345 
          1 45 
          2 678
          3 432
          3 432
          4 7
          ..........
          ;

          data DB2;
          input my_identifiers_subset$;
          cards;
          345  
          432
          44
          ..........
          ;

所需输出：

          data DB3;
          input ID$ my_identifiers$ Index$;
          cards;
          1 345 1
          1 45  0
          2 678 0
          3 432 1
          3 432 1
          4 7   0
          ..........
          ;

提前谢谢您，

最好的。

Answer 1

因此，使用

proc sql

并加入 2 个数据集可能是最简单的解决方案。您有几种不同的选择。

首先，您可以使用

EXISTS

和子查询来确定

DB1.my_identifiers

是否在

db2.my_identifiers_subset

中。或者您可以执行

LEFT JOIN

来达到相同的效果。第二个解决方案的唯一警告是

db2

可能有相同

my_identifiers_subset

的多个实例，在这种情况下，您将获得额外的行。

PROC SQL;

    CREATE TABLE DB3_EXISTS AS
    SELECT *, 
        CASE
            WHEN EXISTS (SELECT * FROM DB2 WHERE DB2.my_identifiers_subset = DB1.my_identifiers) 
            THEN 1 
            ELSE 0
        END AS INDEX
    FROM DB1
    ;

    CREATE TABLE DB3_LEFT_JOIN AS
    SELECT DB1.*,
        CASE 
            WHEN DB2.my_identifiers_subset IS NULL 
            THEN 0 
            ELSE 1 
        END AS INDEX
    FROM DB1
        LEFT JOIN DB2 ON DB2.my_identifiers_subset = DB1.my_identifiers
    ORDER BY DB1.ID
    ;

QUIT;