SAS:如何计算分组数据中行之间的日期差异

Question

我的数据集在某些情况下被分成多行，我需要找到这些实例并重新组合这些行。这需要我计算组和子组内数据集中日期之间的差异，然后有效地"合并行"。如果开始日期和结束日期之间的差异为1天或以下。我的数据集是这样的:

ID  |      Start      |        End         |     Place   |
1  |   01-01-2020    |     31-03-2020     |   Street 1  |
1  |   01-04-2020    |     31-07-2020     |   Street 1  |
1  |   01-08-2020    |     31-12-2020     |   Street 1  |
1  |   01-01-2021    |     31-03-2021     |   Street 2  |
2  |   01-01-2020    |     31-04-2020     |   Street 1  |
2  |   31-04-2020    |     31-08-2020     |   Street 1  |
3  |   01-01-2020    |     31-03-2020     |   Street 1  |

我真的想输出这个:

ID  |      Start      |        End         |     Place    |
1  |   01-01-2020    |     31-12-2020     |   Street 1   |
1  |   01-01-2021    |     31-03-2021     |   Street 2   |
2  |   01-01-2020    |     31-08-2020     |   Street 1   |
3  |   01-01-2020    |     31-03-2020     |   Street 1   |

因此，本质上，在ID组和Place子组中，如果前一个结束日期和新的开始日期之间有1或更小的差异，那么我想"组合";

我尝试创建多个数据步骤，其中我使用lag -函数很多，这似乎合理地处理了ID 2的实例，其中只有两行需要考虑。然而，对于ID 1 (Street 1)，我需要有效地连接三行，我还没有找到一个好的解决方案。任何功能的建议，可能是有用的，将不胜感激!

Answer 1

您可以使用多步骤方法。
感谢@whymath在输入数据中发现日期问题。

data stage1;
set have;
by id place notsorted;
if first.place then
group_number+1;
run;
proc sort data=stage1 out=stage2;
by id place group_number start;
run;
data want;
do until (last.place);
set stage2;
by id place group_number;
if first.group_number then
_start=start;
if last.place then
do;
start=_start;
output;
end;
end;
drop _start group_number;
run;

id   start       end     place
1 01-01-2020 31-12-2020 Street1
1 01-01-2021 31-03-2021 Street2
2 01-01-2020 31-08-2020 Street1
3 01-01-2020 31-03-2020 Street1

Answer 2

你的数据中有一些错误，我纠正它们以得到你想要的输出:
Line5:31-04-2020→30-04-2020
Line6:31-04-2020→01-05-2020

data have;
infile cards dlm='|';
input id start : ddmmyy10. end : ddmmyy10. place$;
format start end ddmmyyd10.;
cards;
1  |   01-01-2020    |     31-03-2020     |   street 1  |
1  |   01-04-2020    |     31-07-2020     |   street 1  |
1  |   01-08-2020    |     31-12-2020     |   street 1  |
1  |   01-01-2021    |     31-03-2021     |   street 2  |
2  |   01-01-2020    |     30-04-2020     |   street 1  |
2  |   01-05-2020    |     31-08-2020     |   street 1  |
3  |   01-01-2020    |     31-03-2020     |   street 1  |
;
run;

你的问题的难点是根据下一行更新和输出数据。我建议你使用双组技能。

proc sort data=have;
by id place start;
run;
data want;
set have;
do i=1 to rec;
set have(rename=(id=tmpid place=tmpplace start=tmpstart end=tmpend))nobs=rec point=i;
if id=tmpid and place=tmpplace then do;
if start=tmpend+1 and _n_=i+1 then used=1;
else if end=tmpstart-1 and _n_<i then end=tmpend;
end;
end;
if used^=1;
drop tmp: used;
run;