以下僅供參考
因為問題敘述還不夠完善，我僅就能理解的部分提供建議
這個問題牽涉到大數據與full table scan
所以我會先考慮複雜度的估計
我估算的複雜度如下，因為不是很會估，如果有算錯請高手能不吝指正
兩個檔互串，有兩個比對變數，又是使用between作範圍式比對
我估的比對次數為
240萬*1600萬*1600萬=614400000萬
但如果資料是6年併在一起，依照需求會有很多無效比對
還有，table a 重點是要知道 date+doctor 的組合，所以我估算每年平均40萬筆資料
去重覆假設變30萬筆
那麼，估算切一年算一次的次數就是
30萬*(1600萬/6*2)*(1600萬/6*2)*6(年)=51136020萬
至少差12倍
=======
所以，建議至少一年切一次，每年算一次
SAS裡，先把原始資料切年度做成檔案，然後再用SQL執行計算
想一句寫完，看起來很帥，但不見得跑得快
我寫個範例表示一下我的概念：
/*先依照年分切檔案*/
data table_a_2019 table_a_2018;
set table_a;
if year(prescriptionBeginDate)=2019 then output table_a_2019;
if year(prescriptionBeginDate)=2018 then output table_a_2018;
keep prescriptionBeginDate DOCTOR;
run;
proc sort data=table_a_2019 nodup;
by DOCTOR prescriptionBeginDate ;
proc sort data=table_a_2018 nodup;
by DOCTOR prescriptionBeginDate ;
run;
data table_b_2019 table_b_2018;
set table_b;
if 2018<=year(prescriptiondate)<=2019 then output table_b_2019;
if 2017<=year(prescriptiondate)<=2018 then output table_b_2018;
run;
/*再用SAS分年度計算*/
proc sql;
select distinct a.*, count(distinct b.SID) as service_volume
from table_a_2019 as a, table_b_2019 as b
where a.Doctor=b.Doctor and
b.prescriptiondate between a.prescriptionBeginDate and intnx('year', a.PrescriptionBeginDate, -1, 'same')
;
quit;
如果切半年算一次
我估的複雜度是
15萬*(1600萬/12*2)*(1600萬/12*2)*12(0.5年)=12832020萬
跟原始差47倍，省更多時間
也就是要用 空間 換取時間
以上分享
※ 引述《Wengboyu ( )》之銘言：
: 資料庫名稱：SAS SQL
: 資料庫版本：9.4
: 內容/問題描述：
: 我有table a和b
: table a
: date SID doctor
: 2019/1/1 a jack
: 2019/1/2 a jack
: 2019/1/3 a jack
: 2019/2/1 b ben
: 2019/2/2 b ben
: 2019/2/3 b ben
: ...
: 2019/2/15 b mark
: 2019/2/16 b mark
: 2019/2/17 b mark
: table b
: date SID doctor
: 2018/1/1 a jack
: 2018/1/2 b jack
: 2018/1/3 c jack
: 2018/1/15 a jack
: 2018/1/31 a ben
: 2018/3/1 b ben
: 2018/3/1 c mark
: 2018/4/16 d mark
: 2018/4/21 c mark
: 我要得到下面的結果
: table c
: date SID doctor doctor_service_volume
: 2019/1/1 a jack 3
: 2019/1/2 a jack 3
: 2019/1/3 a jack 2
: 2019/2/1 b ben 1
: 2019/2/2 b ben 1
: 2019/2/3 b ben 1
: ...
: 2019/2/15 b mark 2
: 2019/2/16 b mark 2
: 2019/2/17 b mark 2
: 我要計算table a每一筆，a.doctor在a.date過去一年內收過多少病人(不重複)
: table b是處方簽資料
: 例如:
: first row in table a
: date SID doctor
: 2019/1/1 a jack
: 我就要從table b中去找docor jack在a.date和(a.date - 1 year)間
: 收了多少不重複的病人
: table b doctor jack 在2018/1/1 ~ 2019/1/1開過處方簽的病人
: date SID doctor
: 2018/1/1 a jack
: 2018/1/2 b jack
: 2018/1/3 c jack
: 2018/1/15 a jack (重複)
: 所以a.doctor_service_volume = 3
: 我自己寫的code如下
: Proc sql;
: create table want as select
: a.*, (select count(distinct b.SID)
: from
: dataset a, dataset b
: where
: a.DoctorID = b.DoctorID and a.DoctorID is not missing and
: b.prescriptiondate between a.prescriptionBeginDate and
: intnx('year', a.PrescriptionBeginDate, -1, 'same'))
: as service_volume
: from
: dataset a, dataset b;
: quit;
: 因為跑很久，我不太確定這樣寫是不是可以得到我要的結果..
: table a 有240萬筆，b有1600萬筆
: 如果大家要測試自己code寫得對不對，會怎麼弄?