{"id":9879,"date":"2026-10-14T18:02:34","date_gmt":"2026-10-14T18:02:34","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-effectuer-jointure-gauche-sas-exemple\/"},"modified":"2026-10-14T18:02:34","modified_gmt":"2026-10-14T18:02:34","slug":"comment-effectuer-jointure-gauche-sas-exemple","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-effectuer-jointure-gauche-sas-exemple","title":{"rendered":"Comment effectuer une jointure \u00e0 gauche dans SAS (avec exemple)"},"content":{"rendered":"

Dans le champ contemporain de l’ing\u00e9nierie des donn\u00e9es et de l’\u00e9conom\u00e9trie appliqu\u00e9e, la manipulation rigoureuse des bases relationnelles constitue une comp\u00e9tence analytique fondamentale. Au sein de l’environnement logiciel d\u00e9velopp\u00e9 par le SAS Institute<\/a>, la fusion d’entit\u00e9s tabulaires disparates repr\u00e9sente une t\u00e2che op\u00e9rationnelle quotidienne, conditionnant directement la fiabilit\u00e9 de l’ensemble de la cha\u00eene de traitement statistique. Parmi la diversit\u00e9 des op\u00e9rations ensemblistes mises \u00e0 disposition des biostatisticiens et des scientifiques de donn\u00e9es, la jointure externe gauche, universellement d\u00e9sign\u00e9e sous l’appellation anglophone Left Join<\/em>, occupe une position m\u00e9thodologique singuli\u00e8re. Cette op\u00e9ration permet d’enrichir une population d’int\u00e9r\u00eat par des attributs compl\u00e9mentaires sans jamais compromettre l’exhaustivit\u00e9 de l’\u00e9chantillon initial, pr\u00e9servant ainsi l’int\u00e9grit\u00e9 de la structure d’observation de r\u00e9f\u00e9rence.<\/p>\n

Historiquement, le syst\u00e8me SAS a privil\u00e9gi\u00e9 une approche proc\u00e9durale et s\u00e9quentielle pour le traitement des donn\u00e9es structur\u00e9es, mat\u00e9rialis\u00e9e par l’\u00e9tape DATA et l’instruction MERGE<\/code>. Toutefois, l’int\u00e9gration progressive des standards de gestion de bases de donn\u00e9es relationnelles a conduit \u00e0 l’introduction d’un moteur SQL robuste, incarn\u00e9 par la proc\u00e9dure PROC SQL<\/code>. Cette dualit\u00e9 architecturale au sein de SAS offre deux paradigmes fondamentaux : la programmation imp\u00e9rative du vecteur de donn\u00e9es d’un c\u00f4t\u00e9, et la formulation d\u00e9clarative de l’alg\u00e8bre relationnelle de l’autre. La ma\u00eetrise de ces m\u00e9canismes d’appariement ne rel\u00e8ve pas simplement d’un enjeu syntaxique \u00e9l\u00e9mentaire, mais d’une exigence m\u00e9thodologique critique visant \u00e0 neutraliser les biais de s\u00e9lection, \u00e0 \u00e9viter la prolif\u00e9ration silencieuse des erreurs d’asym\u00e9trie et \u00e0 optimiser la charge computationnelle sur des volum\u00e9tries massives.<\/p>\n

Le pr\u00e9sent article propose une exploration acad\u00e9mique et pratique approfondie du Left Join<\/em> dans l’environnement SAS. Nous d\u00e9composerons les fondements th\u00e9oriques h\u00e9rit\u00e9s de la th\u00e9orie des ensembles et du mod\u00e8le de Ted Codd, avant de d\u00e9cortiquer la grammaire syntaxique de la proc\u00e9dure SQL standard. \u00c0 travers l’analyse d’un cas empirique reproductible, nous \u00e9tudierons \u00e9tape par \u00e9tape la mise en \u0153uvre de la jointure, le diagnostic des structures tabulaires sous-jacentes, les strat\u00e9gies d’imputation des valeurs manquantes r\u00e9sultantes, ainsi que les alternatives hautement performantes telles que les objets de hachage en m\u00e9moire vive. Enfin, un accent particulier sera port\u00e9 sur l’\u00e9vitement des pi\u00e8ges relationnels classiques, notamment l’explosion cart\u00e9sienne et l’inversion involontaire du pr\u00e9dicat de jointure par une mauvaise utilisation de la clause de filtrage.<\/p>\n

1. Introduction aux op\u00e9rations relationnelles et au Left Join dans l’environnement SAS<\/h2>\n

1.1 D\u00e9finition formelle de la jointure externe gauche<\/h3>\n

La jointure externe gauche puise son origine conceptuelle directe dans l’alg\u00e8bre relationnelle<\/a>, formalis\u00e9e pour la premi\u00e8re fois en 1970 par le math\u00e9maticien et chercheur britannique Edgar F. Codd au sein de son article s\u00e9minal sur les grands ensembles de donn\u00e9es partag\u00e9s. Dans la th\u00e9orie classique des relations, une op\u00e9ration de jointure consiste \u00e0 combiner les tuples de deux relations distinctes sur la base d’un crit\u00e8re de correspondance pr\u00e9d\u00e9fini, couramment d\u00e9sign\u00e9 sous le terme de pr\u00e9dicat d’\u00e9qui-jointure. Alors que la jointure interne (Inner Join<\/em>) restreint strictement l’ensemble de sortie \u00e0 l’intersection logique des deux tables \u2014 \u00e9liminant de facto toute observation ne poss\u00e9dant pas de contrepartie exacte dans la relation associ\u00e9e \u2014, la jointure externe gauche introduit une r\u00e8gle de dissym\u00e9trie d\u00e9lib\u00e9r\u00e9e.<\/p>\n

Dans le formalisme d’une jointure externe gauche unissant une relation de gauche $R$<\/span> et une relation de droite $S$<\/span>, la totalit\u00e9 des tuples appartenant \u00e0 la table de r\u00e9f\u00e9rence $R$<\/span> est formellement pr\u00e9serv\u00e9e au sein de l’espace relationnel d’arriv\u00e9e. L’op\u00e9ration \u00e9value chaque observation de $R$<\/span> au regard des pr\u00e9dicats \u00e9tablis vis-\u00e0-vis des tuples de $S$<\/span>. Lorsqu’une concordance stricte est identifi\u00e9e, les attributs de la relation $S$<\/span> sont adjoints horizontalement au tuple de la relation $R$<\/span>. En revanche, en l’absence absolue de correspondance au sein de la relation secondaire $S$<\/span>, l’observation issue de la table $R$<\/span> n’est nullement \u00e9cart\u00e9e du jeu de donn\u00e9es r\u00e9sultant : les attributs provenant de $S$<\/span> sont simplement instanci\u00e9s avec des marqueurs d’absence de donn\u00e9es, mat\u00e9rialis\u00e9s sous la forme de valeurs nulles ou manquantes.<\/p>\n

Cette caract\u00e9ristique fondamentale distingue substantiellement le Left Join<\/em> de la jointure compl\u00e8te (Full Outer Join<\/em>), laquelle conserve l’ensemble des \u00e9l\u00e9ments non appari\u00e9s des deux relations simultan\u00e9ment, g\u00e9n\u00e9rant ainsi des cellules manquantes des deux c\u00f4t\u00e9s de l’espace produit. La jointure gauche impose ainsi une hi\u00e9rarchisation \u00e9pist\u00e9mologique stricte : la table situ\u00e9e \u00e0 gauche de l’op\u00e9rateur constitue la population matrice inali\u00e9nable, tandis que la table positionn\u00e9e \u00e0 droite n’agit que comme un r\u00e9servoir d’enrichissement conditionnel, subordonn\u00e9 \u00e0 l’existence pr\u00e9alable d’une cl\u00e9 d’identification dans la table principale.<\/p>\n

1.2 Pertinence du Left Join en analyse de donn\u00e9es et recherche empirique<\/h3>\n

Dans le contexte des sciences appliqu\u00e9es, de l’\u00e9pid\u00e9miologie clinique, de l’\u00e9conom\u00e9trie et de l’analyse d\u00e9cisionnelle moderne, la pr\u00e9servation int\u00e9grale de la population source repr\u00e9sente un imp\u00e9ratif m\u00e9thodologique incontournable. Toute perte accidentelle d’observations au cours de la phase de pr\u00e9paration des donn\u00e9es risque d’introduire un biais de s\u00e9lection destructeur, compromettant de fait la validit\u00e9 interne et externe des inf\u00e9rences statistiques subs\u00e9quentes. Le recours au Left Join<\/em> permet d’arrimer syst\u00e9matiquement des ensembles de covariables secondaires \u00e0 une cohorte m\u00e8re sans alt\u00e9rer son effectif de base.<\/p>\n

Consid\u00e9rons, \u00e0 titre d’illustration m\u00e9thodologique, un registre national de patients atteints d’une pathologie chronique rare, repr\u00e9sentant la cohorte source d’une \u00e9tude d’observation longitudinale. Ce jeu de donn\u00e9es central consigne l’ensemble des admissions hospitali\u00e8res, les param\u00e8tres cliniques initiaux et les \u00e9v\u00e9nements de sant\u00e9 primaires. Les investigateurs souhaitent enrichir cette base clinique au moyen d’un fichier annexe consignant les expositions environnementales moyennes par code g\u00e9ographique de r\u00e9sidence, collect\u00e9 par un organisme public distinct. L’utilisation d’une jointure interne \u00e9liminerait sans sommation l’ensemble des patients r\u00e9sidant dans des circonscriptions non document\u00e9es ou rurales pour lesquelles les capteurs environnementaux faisaient d\u00e9faut. Une telle d\u00e9marche tronquerait l’\u00e9chantillon de recherche en surrepr\u00e9sentant les zones urbaines hautement industrialis\u00e9es.<\/p>\n

En mobilisant une jointure externe gauche, l’analyste garantit le maintien strict du d\u00e9nominateur d’origine. Les sujets dont les m\u00e9triques d’exposition environnementale ne sont pas recens\u00e9es demeurent pr\u00e9sents dans la structure tabulaire finale. Leurs variables d’exposition seront l\u00e9gitimement marqu\u00e9es comme manquantes, permettant aux chercheurs d’appliquer ult\u00e9rieurement des protocoles rigoureux d’imputation multiple, d’analyse de sensibilit\u00e9 ou de mod\u00e9lisation par \u00e9quations structurelles tenant compte de l’attrition partielle. Le Left Join<\/em> constitue par cons\u00e9quent l’instrument de pr\u00e9dilection d\u00e8s lors qu’il s’agit de garantir la tra\u00e7abilit\u00e9 des unit\u00e9s statistiques \u00e9l\u00e9mentaires lors de consolidations multi-sources complexes.<\/p>\n

1.3 L’\u00e9cosyst\u00e8me SAS et la dualit\u00e9 DATA Step vs PROC SQL<\/h3>\n

L’architecture logicielle du syst\u00e8me SAS se distingue par une dualit\u00e9 historique majeure dans le traitement des tables relationnelles. Durant les premi\u00e8res d\u00e9cennies de son d\u00e9ploiement institutionnel, SAS a fond\u00e9 son paradigme de manipulation de donn\u00e9es sur le concept d’\u00e9tape s\u00e9quentielle, l’\u00e9tape DATA (DATA Step<\/em>), articul\u00e9e autour du m\u00e9canisme interne du vecteur de donn\u00e9es du programme, ou Program Data Vector (PDV)<\/a>. Sous cette approche imp\u00e9rative, l’appariement de jeux de donn\u00e9es requiert l’utilisation conjointe de l’instruction MERGE<\/code> et de l’instruction BY<\/code>, assujettissant imp\u00e9rativement l’ex\u00e9cution de la fusion \u00e0 un tri physique pr\u00e9alable et exhaustif des deux tables sources selon les variables de regroupement.<\/p>\n

Au d\u00e9but des ann\u00e9es 1990, avec l’av\u00e8nement et la standardisation industrielle du langage SQL normalis\u00e9 par l’American National Standards Institute (ANSI)<\/a>, SAS a int\u00e9gr\u00e9 dans son moteur analytique la proc\u00e9dure PROC SQL<\/code>. Cette impl\u00e9mentation novatrice a radicalement transform\u00e9 la mani\u00e8re dont les ing\u00e9nieurs abordent la manipulation tabulaire au sein de l’environnement SAS. Contrairement \u00e0 l’\u00e9tape DATA qui oblige le d\u00e9veloppeur \u00e0 d\u00e9crire minutieusement la cin\u00e9matique s\u00e9quentielle du parcours des enregistrements ligne par ligne, la proc\u00e9dure SQL repose sur une programmation d\u00e9clarative. L’analyste sp\u00e9cifie la nature de la relation d\u00e9sir\u00e9e, les pr\u00e9dicats logiques d’association et les colonnes \u00e0 projeter, laissant \u00e0 l’optimiseur de requ\u00eates sous-jacent la charge de d\u00e9terminer l’algorithme d’ex\u00e9cution le plus efficient.<\/p>\n

Cette modularit\u00e9 d\u00e9clarative propre \u00e0 PROC SQL<\/code> pr\u00e9sente des vertus m\u00e9thodologiques ind\u00e9niables, particuli\u00e8rement dans le d\u00e9ploiement du Left Join<\/em>. Elle affranchit le programmeur de la contrainte lourde et co\u00fbteuse en entr\u00e9es\/sorties disque (I\/O) impos\u00e9e par le tri pr\u00e9alable obligatoire du DATA Step<\/code>. De surcro\u00eet, elle autorise des formulations relationnelles hautement complexes, impliquant des jointures conditionnelles dynamiques ou non \u00e9qui-jointures, des liaisons multi-tables et des sous-requ\u00eates imbriqu\u00e9es, le tout au sein d’une grammaire syntaxique standardis\u00e9e, intelligible et universellement partag\u00e9e par l’ensemble des praticiens de la science des donn\u00e9es.<\/p>\n

2. Fondements th\u00e9oriques de l’alg\u00e8bre relationnelle appliqu\u00e9s \u00e0 SAS<\/h2>\n

2.1 M\u00e9canisme ensembliste du produit cart\u00e9sien restreint<\/h3>\n

Sur le plan strictement math\u00e9matique, l’ex\u00e9cution d’une jointure relationnelle au sein de SAS ne constitue pas une simple juxtaposition physique de colonnes, mais proc\u00e8de formellement d’une restriction logique appliqu\u00e9e \u00e0 un produit cart\u00e9sien. Soit une premi\u00e8re table $R$<\/span> comportant $m$<\/span> enregistrements et $p$<\/span> attributs, et une seconde table $S$<\/span> constitu\u00e9e de $n$<\/span> enregistrements et $q$<\/span> attributs. Le produit cart\u00e9sien $R \\times S$<\/span> repr\u00e9sente l’ensemble de tous les couples possibles $(r, s)$<\/span> o\u00f9 $r in R$<\/span> et $s in S$<\/span>, g\u00e9n\u00e9rant th\u00e9oriquement une matrice volumique interm\u00e9diaire comprenant une dimension de $m \\times n$<\/span> lignes pour $p + q$<\/span> colonnes.<\/p>\n

Dans le cas d’une jointure interne, l’op\u00e9rateur applique un filtre bool\u00e9en strict, appel\u00e9 pr\u00e9dicat d’\u00e9qui-jointure (formalis\u00e9 dans la clause ON<\/code>), qui retient exclusivement les combinaisons de lignes pour lesquelles l’\u00e9galit\u00e9 de la cl\u00e9 est v\u00e9rifi\u00e9e :<\/p>\n

$$\\sigma_{R.cle = S.cle}(R \\times S)$$<\/span><\/p>\n

Dans le cadre d’un Left Join<\/em>, l’op\u00e9rateur ensembliste \u00e9tend ce produit cart\u00e9sien restreint en y r\u00e9injectant l’ensemble des \u00e9l\u00e9ments de $R$<\/span> qui ont \u00e9t\u00e9 exclus par le pr\u00e9dicat de filtrage. En termes algorithmiques, SAS parcourt chaque unit\u00e9 statistique de la relation de r\u00e9f\u00e9rence. Si une concordance est relev\u00e9e dans la relation secondaire, le produit des tuples correspondants est g\u00e9n\u00e9r\u00e9. Si aucune concordance n’existe, l’unit\u00e9 est tout de m\u00eame projet\u00e9e, en associant une ligne fictive compos\u00e9e exclusivement d’attributs ind\u00e9termin\u00e9s pour la relation de droite.<\/p>\n

La ma\u00eetrise de cette m\u00e9canique est fondamentale pour anticiper les variations de cardinalit\u00e9 relationnelle. Dans une relation de type un-\u00e0-un (1:1), chaque tuple de la table gauche ne poss\u00e8de au maximum qu’une seule et unique correspondance dans la table droite, garantissant que le nombre total de lignes r\u00e9sultant de la jointure sera strictement identique \u00e0 l’effectif originel de la table gauche. Toutefois, dans les sc\u00e9narios de cardinalit\u00e9 un-\u00e0-plusieurs (1:N), o\u00f9 une m\u00eame entit\u00e9 de la table m\u00e8re trouve plusieurs occurrences directes dans la relation secondaire, le produit cart\u00e9sien restreint dupliquera in\u00e9vitablement la ligne d’origine autant de fois qu’il existe de correspondances dans la table secondaire, entra\u00eenant une expansion verticale de la table r\u00e9sultante.<\/p>\n

2.2 Traitement rigoureux des discordances relationnelles<\/h3>\n

L’un des d\u00e9fis op\u00e9rationnels les plus d\u00e9terminants de l’op\u00e9ration de jointure externe r\u00e9side dans la gestion des discordances relationnelles, c’est-\u00e0-dire les situations o\u00f9 des unit\u00e9s d’observation document\u00e9es dans la relation de r\u00e9f\u00e9rence ne trouvent aucune r\u00e9sonance au sein de la table adjointe. Lorsqu’une cl\u00e9 primaire pr\u00e9sente dans la table gauche n’existe pas dans la table droite, l’optimiseur relationnel de SAS g\u00e9n\u00e8re syst\u00e9matiquement, au moment de l’assemblage horizontal, des marqueurs d’absence de donn\u00e9es pour l’ensemble des colonnes d\u00e9pendantes de la relation secondaire.<\/p>\n

Au sein de l’environnement SAS, la repr\u00e9sentation interne de ces discordances ob\u00e9it \u00e0 une typologie structurelle rigoureusement formalis\u00e9e. Pour les variables de type num\u00e9rique (numeric<\/em>), l’absence de concordance se traduit automatiquement par l’injection d’un point standard (.<\/code>), qui encode la donn\u00e9e manquante par d\u00e9faut. Pour les variables textuelles ou alphanum\u00e9riques (character<\/em>), cette absence est mat\u00e9rialis\u00e9e par une cha\u00eene de caract\u00e8res vide (' '<\/code>), \u00e9quivalente \u00e0 une s\u00e9rie d’espaces selon la longueur d\u00e9clar\u00e9e de la colonne. Cette op\u00e9ration garantit une compl\u00e9tude dimensionnelle parfaite de la structure matricielle finale sans provoquer l’arr\u00eat du programme ni lever d’exceptions d’ex\u00e9cution non g\u00e9r\u00e9es.<\/p>\n

N\u00e9anmoins, la prolif\u00e9ration de ces valeurs manquantes induites n’est pas sans cons\u00e9quence sur les \u00e9tapes subs\u00e9quentes de la mod\u00e9lisation statistique. Les proc\u00e9dures de statistique descriptive de base, telles que PROC MEANS<\/code> ou PROC SUMMARY<\/code>, traitent les valeurs manquantes num\u00e9riques en les \u00e9cartant de facto du calcul des mesures de tendance centrale (moyenne, m\u00e9diane) et de dispersion (variance, \u00e9cart-type). De m\u00eame, les proc\u00e9dures de mod\u00e9lisation \u00e9conom\u00e9trique avanc\u00e9e, \u00e0 l’instar de PROC REG<\/code> ou PROC GLM<\/code>, appliquent par d\u00e9faut une suppression univari\u00e9e ou multivari\u00e9e stricte au niveau de l’observation (listwise deletion<\/em>). Il en r\u00e9sulte qu’une inclusion mal ma\u00eetris\u00e9e de variables secondaires fragmentaires via un Left Join<\/em> peut paradoxalement aboutir \u00e0 une exclusion massive d’observations lors de la phase finale de r\u00e9gression statistique, annihilant pr\u00e9cis\u00e9ment l’objectif premier d’exhaustivit\u00e9 recherch\u00e9 lors de la conception de la requ\u00eate.<\/p>\n

3. Anatomie de la syntaxe SQL standard dans PROC SQL pour le Left Join<\/h2>\n

3.1 D\u00e9composition structurelle de l’instruction PROC SQL<\/h3>\n

L’int\u00e9gration formelle du mod\u00e8le relationnel au sein de l’environnement logiciel SAS s’effectue au travers du bloc d\u00e9claratif initi\u00e9 par la d\u00e9claration PROC SQL<\/code>. Contrairement \u00e0 la majorit\u00e9 des autres proc\u00e9dures SAS qui traitent un flux continu d’instructions d\u00e9limit\u00e9 par l’ordre de fermeture classique RUN<\/code>, la proc\u00e9dure PROC SQL<\/code> constitue une proc\u00e9dure interactive. Elle demeure active en m\u00e9moire vive, en attente de soumissions de requ\u00eates successives, jusqu’\u00e0 ce que l’interpr\u00e9teur rencontre explicitement l’instruction de terminaison formelle QUIT;<\/code>.<\/p>\n

L’ex\u00e9cution standard d’une jointure externe gauche requiert l’instanciation physique ou temporaire d’un nouveau jeu de donn\u00e9es r\u00e9sultant, ce qui s’op\u00e8re par le couplage de la directive CREATE TABLE<\/code> suivie du nom de la table cible et du mot-cl\u00e9 AS<\/code>. Le pipeline de traitement s’articule ensuite autour de trois clauses fondamentales :<\/p>\n