SAS数据处理技术（一）

SAS数据处理技术

通常情况下，使用数据步进行数据处理是一个很好的选择。 数据步进行数据处理，可以提供。

• 灵活的编程功能
• 丰富的数据处理函数

其他的工具和技术

• SORT, SQL, 以及TRANSPOSE过程步，其对数据的处理和变换是十分有用的。

• SAS的宏功能让代码变的更加灵活。

• 调试(Debugging)技术，可以用来帮助识别逻辑错误。

SAS程序流程

回顾一些知识点

• SORT过程步的OUT=选项用来指定创建新的输出数据集， 而不是对原数据集进行覆盖。

• 用FORMAT过程可以创建用户自定义的输出格式和输入格式。默认情况下，创建的格式将被存储在目录

libname orion 's:\workshop';
data work.qtrlsalesrep;
proc sort data=work.qtrlsalesrep;

proc format;
value $ctryfmt 'AU'='Australia'
	       'US'='United tates';
run;

（选b; a是data那句,c是set那句）

• 由 INPUT语句和 赋值语句创建的变量会被重新初始化(初始化为缺失值)。
• 由 SET语句读取的变量不会被重新初始化(只会被后面的数据覆盖)

OUTPUT语句实现数据转置

输出多行观测

• 例中，每一行记录生成三个观测。每个新观测将包括代号ID和一次测验值SCORE.

data A;
	input ID $ scorel-score3;
	drop scorel-score3; # 不输出字段名(列名)
	score=scorel;output;
	score=score2;output;
	score=score3;output;
cards;
02126 99 96 94
02128 89 90 88
;
proc print;
run;

使用一个数据步来输出创建多个SAS数据集

• 在一个数据步中，可以通过将输出数据集的 名称列在DATA语句内的方式来创建多个数据集。
• 通过在OUTPUT语句内指定数据集名称，可以直接输出至某个或多个特定的数据集

data usa australia other;
set orion.employee_addresses;
if Country='AU'then output australia;
else if Country='US'then output usa;
else output other;
run;

* 或者
data usa australia other;
	set orion.employee addresses;
	select (Country);
		when ('US')output usa;
		when ('AU')output australia;
		otherwise output other;
	end;
run;
*在SELECT语句中使用DO-END,当一个表达式为真时，使用DO-END语句可执行多个语句

使用条件语句来控制哪条观测输出至哪个数据集中

• 在数据步中，用DROP语句和KEEP语句可控制哪些变量会被输出至输出数据集中。

• 默认情况下，SAS对数据集中的所有观测逐条处理。用FIRSTOBS=和OBS=选项可控制对哪些观测进行处理。

创建一个累加变量

• 求和语句的一般形式：

variable + expression;

• 求和语句

  • 若加号左边的变量之前不存在，则创建该变量
  • 在数据步第一次循环前初始化该变量值为0
  • 自动保留该变量
  • 执行时，将表达式的值加在该变量上
  • 忽略缺失值。

分组数据的累计求和

• 定义First..和Last.过程
• 计算分组数据的累计求和
• 使用子集IF语句来输出指定观测

data deptsals(keep=Dept Deptsal);
	set SalSort;
	by Dept;
	if First.Dept then Deptsal=0;
	Deptsal+Salary;
	if Last.Dept;
run;

proc sort data=sashelp.cars
			out=cars;
	by Make;
run;

data total cars(keep=Make MSRP sum_price);
	set cars;
	by Make;
	if first.Make then sum_price=0;
	sum price+MSRP;
	if last.Make;
run;

proc print data=total_cars noobs;
	var Make sum_price;
	format sum price dollar10.2;
run;

不同类型的数据使用不同的方式进行读取

列输入，格式化输入和列表输入是用INPUT语句读取数据的三种方式。

列输入(Column Input) 用列输入读入，数据满足的条件

• in fixed fields

• standard character or numeric values （如 58 -23 67.23 00.99 5.67E5 1.2E-2）

• INPUT语句列输入法一般形式 ： INPUT variable <$> startcol-endcol...;

用格式化输入法读取原始数据文件

• INPUT语句格式化输入法的一般形式： INPUT 指针控制 变量 输入格式...;
• 格式化输入法通过下列方式读取数据：

  • 移动输入指针至起始位置
  • 对变量命名
  • 规定输入格式
  • input @5 FirstName $10.;
  • 列控制指针：@n 将指针移至第n列 +n 将指针向后移动n列

控制何时载入记录

• 读取原始数据文件的多条记录为一条观测。

• DATA SAS-data-set;
  	INFILE 'raw-data-file-name';
  	INPUT specifications;
  	INPUT specifications;
  	<additional SAS statements>
  RUN;
  

• 读取一个混合类型记录的原始数据文件。

• 行指针控制符控制何时载入新记录

  • DATA SAS-data-set;
    	INFILE 'raw-data-file-name';
    	INPUT specifications/
    	specifications;
    	<additional SAS statements>
    RUN;
    

  • 当SAS遇到一个“/”时，下一行的记录被载入。 行控制指针：# n 载入第n行 / 载入下一行

• 读取混合类型记录的原始数据文件的子集。

列表输入法的其他技巧

• 记录末尾的数据为缺失值。INFILE 'raw-data-file'MISSOVER;

• 缺失数据由两个连续分隔符表示INFILE 'file-name' DSD;。

• 每个记录含多条观测。INPUT var1 var2 var3 [email protected]@