五一五天眨眼就过去了，还是感叹一句时间过得真快。现在不管是工作日还是放假，每天睁开眼，打开电脑，工作，偷懒，一天就这样过去了。感觉时间不够用，但是又好像在浪费时间。
今天讲一个轻松的话题，就是SAS中的那些左连接，右连接，乱七八糟的连接，对于初学者来说，不太好理解，我希望初学者看完我今天这篇文章后能有一个更清晰的了解。
对于工作中的需求，SAS一般能提供好几种解决方式，比如上面讲的连接方式，就可以通过data步中的merge或者是proc sql解决。
需要注意的是：
外连接有3种：左连接(left join)、右连接(right join)、全连接(full join)
与外连接相反的是内连接(inner join)
用到的数据集：
test1: 6条观测
test2：5条观测
注意test1多了subjid="005"和subjid="006"，test2多了subjid="008"
当他们通过左连接合并的时候
这里我们以test1作为“主数据集”，test2作为“副数据集”，将“副数据集”拼接到
“主数据集”上，我们通过 if a来实现。
注意这里的 in=a 或者是 in = b相当于分别在两个数据集里面创建了临时变量a和b，它们的值好像都是为1。注意，in=a/b你随便取什么名字都可以，你可以 in=main/ss/aaa 任何你喜欢的名字，然后下面对应的ifmain/ss/aaa,只要不要跟数据集里面的变量重名就可以了，要不然会会报错,像这样
如果你的数据集里面a变量是字符型，会报这个错
如果你的数据集里面a变量是数值型，会报这个warning，
所以大家写程序的时候要注意一下，一般越简单越好。
看下输出：
看下输出：发现test1里面的观测都保留下来了(绿色)，test2里面有相同subjid的观测记录也保留了下来(红色),因为subjid="005"和subjid="006"不在数据集test2里面,所以可以看到var2和age2都是空的。
不知道是不是还有点抽象，对于初学者可能不太好理解。我们假设有两个俄罗斯方块，a和b，if a就是说a是老大，要向他靠齐（就是说现在有一个人把方块b往左边推，要和a合并，同样颜色的可以合并在一起；不一样的颜色，a的都保留下来，b的就被删除了，所以我们看到test2数据集里面的subjid="008"没出现）
大家可以在脑海里想象一下这个过程，我希望我讲明白了。
那么通过proc sql怎么实现这个过程呢？可以通过left join:
这算是最简单的proc sql写法，但是大家要先熟悉这种写法，注意as不能漏掉，哪里该加逗号，哪里该加分号都要注意，我记得我刚学习proc sql的时候，总是报错，就是犯了上面的错。
那么右连接呢？其实把if a 换成if b 就可以了，相当于这时候把右边的当成老大了，也就是test2数据集里面的观测都需要保留下来，test1数据集里面的观测只保留有共同subjid的。
看到subjid="005"和subjid="006"都被删除了。同理，我们在proc sql里面把left join换成right join就可以了，但是同时还要注意，如果我还是如图这样写，会发现subjid="008"怎么不见了，但是这条观测对应的其他变量还是存在的（19，ww）。
这是因为我们只写成 b.age2,b.var2，然后加上on a.subjid=b.subjid，导致只显示subjid都一样的subjid,其他的subjid则为空，这时候我们可以把a.*换成b.*，同时对a也进行筛选变量，不写成a.*；
换句话说，只要是你去拼接那个数据集，那个目标数据集就写成xxx.*，相当于保留它的所有记录，同时要对另一个数据集进行筛选，像图片那样a.age1 ,a.var1，如果你写成a.*,b.*,会出现这样的warning：
或者大家粗暴点，不熟悉右连接，那就都用左连接，然后把test2数据集放到left join前面就可以了
其实左右连接就像一面镜子，左连接就像另一种形式的右连接，只是把数据集位置换了而已。
我发现写这些东西就快花了一个多小时，真是醉了，太浪费时间了。
全连接简单讲讲，全连接就相当于输出两个数据集所有的记录，不管是相同的观测还是不同的观测。
data 步这样写
proc sql就有点麻烦了，需要用到coalesce函数，这个函数就是返回参数中第一个不为空的值。
注意这时候不能简单地写a.*,b.*,要不然又会报subjid已经存在的warning，所以还是得手动筛选一下量（b.age2,b.var2,a.age1,a.var1），同时这个coalesce(a.subjid,b.subjid) as subjid，可以换成你自己取的变量名（比如你想取sub_subjid，coalesce(a.subjid,b.subjid) as sub_subjid，但是你下面的on 还是要保留成subjid）
如果你只想输出两个数据集共同的部分，不管是只在test1中有记录的观测(subjid="005"和subjid="006")或者只在b中有记录的观测(subjid="008")都被删除.
data 步这样写：
看输出就明白了。
如果要用proc sql实现这种效果，不用写任何join方式（本质上它属于内连接），但是注意这时候使用where筛选,不是用on了，也就是说外连接的3种方式要用on筛选，但是内连接要用where，要不然会报错，这是需要注意的另一个地方。
左连接(left join)、右连接(right join)、全连接(full join)，内连接(inner join)好像只是proc sql的概念，用在data步中好像不合适，同时我感觉data步更好理解，但是存在以下弊端：
1：用data步merge需要先排序
2：如果排序变量长度不一致（可以新建排序变量使长度一致），还会报warning，但是proc sql就不会。
网友评论