[SAS] 3分鐘學會基本PROC SQL-2

SQL系列上一篇[SAS] 3分鐘學會基本PROC SQL主要介紹如何從「同一個」資料集相互轉換、簡單統計計算。本篇主要介紹SQL另一種強大的功能：資料間的水平合併。

下圖兩個資料集左邊為info，右邊為health，給定每個人一個編號、名字和性別，health則是本次健檢體重的資訊，可以發現的是兩邊資料的資料筆數不同，且人的編號也不盡相同。想像要將兩個資料的資訊合併，第一想法可能想嘗試data step當中的merge，但因為merge key需要先在合併前排序，且兩者資料集合併的merge key變數名稱必須一樣，因此當我們在「沒有排序且變數名稱不同」時，可以直接考慮PROC SQL。

左：info資料集; 右：health資料集

資料集水平合併：left join || right join || full join || inner join

水平合併范恩圖

• LEFT join：以左為主，以上面這個資料集來解釋就是左邊的資料集為第一宣告的info，右邊的第二宣告的資料集health，因此兩者在合併時會以「有在info出現的資料為前提」進行合併。Owen和Nina雖然有出現在info，但因為health並沒有他們任何的資訊，因此health為空。
• RIGHT join： 以右為主，同理，以上面這段程式碼解釋就是以右邊資料為主（即為第二宣告的health)。在水平合併的規則是「有在health出現的資料為基準」。ID=S006有體重測量值，但因為info沒有他的資料，導致部分資料為空。此時你可能疑問：為什麼ID欄位沒有S006的值？那是因為我們在取用時，宣告我們僅選取info裡面的ID資訊，因此在合併時，即便我們選取以右為準，依然無法顯示ID。

• FULL join：兩者聯集，表示只要資料有出現在info或者health，最終都會出現在資料集當中。以本篇為例，info共有6筆資料，而health僅有1筆資料沒有包含在info當中，因此兩者合併後一共是7筆
• INNER join：兩者交集，表示資料必須同時出現在info和health中，在圖一可以看到兩邊有相同ID的資料一共有4筆。

/*SQL*/
data info;
 infile datalines delimiter=',';
 input ID $ name :$20. sex : $5.;
 datalines;
 S001, Lisa,   F
 S002, David,  M
 S003, Jane,   F
 S004,Nina,   F
 S005,Felix, M
 S010, Owen, M
;
run;

data health;
 infile datalines delimiter=',';
 input ID : $20.  weight;
 datalines;
 S001, 55
 S002, 80
 S003, 75
 S005,  83
 S006,  45
; 
run;