データステップでインデックスを利用して結合を行う。Setステートメントとkey=オプション、そして自動変数_IORC_を使って

SASでインデックスを使うなら、やっぱりデータステップで活かしてみたいですよね。

でkey=データセットオプションと_IORC_の話なのですが、とっつきにくそうに見えて、実は単純な原理なので、マニアックな話だと思わずに、見てみてください。

今、以下の2つのデータセットがあったとします。

data Q1;

do X=1 to 10;

 do Y='A','B','C';

  output;

 end;

end;

run;

data Q2(index=(XY=(X Y)));

 X=1;Y='C';Z=100;output;

 X=6;Y='A';Z=200;output;

 X=8;Y='B';Z=300;output;

 X=9;Y='D';Z=400;output;

run;

で、結論からいうとSEＴ データセット名　key=結合に使うインデックス名;

で、事前にソートされていないデータセットについて結合を行うことができます。

（ソートが必要ないのは、順番にobsを読み込むのではなくインデックスを見てダイレクトアクセス

するためです）

data A2;

 set Q1;

 set Q2 key=XY;

run;

として実行します。

すると、結果は

となります。

よく見ると、マッチングできたオブザベーションの値が、マッチできてないobsに

覆いかぶさるように引き延ばされているのがわかると思います。

通常、こんな結果は欲しくないはずです。

さらにログがえらいことになります。

ようするに、値がとってこれないということがエラーになっているのですね。

で、_IORC_とかって文字がでていますが、これは何だということです。

正体を現せということで、以下のコードを実行します。

data A3;

 set Q1;

 set Q2 key=XY;

 A=_IORC_;

 E=_ERROR_;

run;

あいかわらずログは変わらずですが、データセットの中身をみてみると

とりあえず、わかることは_IORC_は結合がうまくいった箇所では0で、そうでない場所では

わけわからん数字になっていて、_ERROR_もたつということです。

ちなみに_ERROR_が1になるということはログにERROR：がでるということです。

実はIORCとはInput Output Return Codeの略で、インデックスによるキーマッチングを

行った際のエラーコードを返してくれるのです。そのエラーの種類によっていろんな数字になる

そうで、とりあえず、今回を見る限り、ルックアップデータセットに対応するインデックスが

ない場合は1230015というエラーコードになるようですね。

成功すれば必ず0になるわけです。

なるほど、ここまでわかればもう充分！要は_IORC_が0かそれ以外かで、ちょちょいと分岐すれば

思い通りにできるということです。

まずは、キーが一致したオブザベーションのみを残す、いわいる内部結合の表現

data A4;

 set Q1;

 set Q2 key=XY;

 if _IORC_=0 then output;

 else _ERROR_=0;

run;

なんて、シンプル！0なら出力して違うなら、しない、違う場合は_ERROR_=1のままにしとくと

ログがうざいので_ERROR_を0で封じるということです。

結果は

ログも

綺麗。

じゃあ、次は外部結合です。Q1のobsを全部残しつつ、キーが一致するQ2の値をつなげる処理。

data A5;

 set Q1;

 set Q2 key=XY;

 if _IORC_^=0 then do;

  Z=.;

  _ERROR_=0;

 end;

run;

もうわかりますね、引き延ばしを抑制しているわけです。

今回はとてもシンプルな例のみ説明しましたが、

_IORC_をうまく使うと色々もっとできます。

僕も勉強中なので、より極めたい方は海外の論文をあたれば、山ほどでてきます。