《SAS编程演义》笔记（1-4章）

Posted on | In

清歌苦调两不厌：夯实基础

查看SAS安装、许可的模块

1
2
3
4
5
6
7
8
9
proc product_status; /*查看SAS已安装模块*/
run;
proc setinit; /*查看SAS已许可模块*/
run;
/*查看完整安装报告*/
%include "D:\...\sasinstallreporter4u.sas" /*SAS程序文件地址依据存储路径修改*/
%sasinstallreporter； /*查看完整安装报告*/

如何让SAS自动加载永久逻辑库

  1. 如果想要让SAS语句建立的永久库在启动后就能看到，可以把包含LIBNAME语句的程序命名为autoexe.sas，并放入和sas.exe同级的目录中，此后每次SAS启动时会自动运行autosas.exe程序。
  2. 通过工具按钮建立永久库时，可以在建立时勾上Enable at startup，下次启动SAS时就会自动加载这个永久库。

为什么又了数据文件还要视图

视图是依据查询语句动态生成，因此视图本身几乎不占据存储空间。利用视图可以节约硬盘空间。两者在世界内容效果方面是一样的。

日期与时间的本质

  1. 日期实际存储的是距离1960年1月1日的天数
  2. 时间是距离凌晨的秒数

打破SAS命名规则

修改系统选项VALIDMEMNAME和VALIDVARNAME

1
2
3
4
5
6
7
options VALIDMEMNAME=extend VALIDVARNAME=any;
data 中文名演示;
    SAS中文变量名 = "YES";
    SAS中文變量名 = "YES";
    '2SAS中文变量名'n = "YES";
    'SAS空格 #@%特殊字符变量名'n = "YES";
run;

运算符

  • 不等于 ^= ~=
  • 两者取小 ><
  • 两者取大 <>
  • 连接运算符 ||
  • 与 & and
  • 或 ! | or
  • 非 ^ ~ not

IF-ELSE配合DO-END

希望执行的不仅仅是一个动作，而是多个动作，此时可以在关键词THEN后面用夹板语句DO-END，把多个动作整合在DO-END中。

1
2
3
4
5
6
data male female;
  set sashelp.class;
       if sex='M' then do; gender='Male'; output male; end;
  else if sex='F' then do; gender='Female'; output female; end;
  else put 'Invalid sex :' sex;
run;

循环

  • DO-END
  • DO-WHILE
  • DO-UNTIL
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    data random;
        do i=1 to 10;
            r=rannor(23);
            output;
        end;
    run;
    data dowhile;
        i=0;
        do while(i<5);
            i+1;
            output;
        end;
    run;
    data dountil;
        i=0;
        do until(i>=5);
            i+1;
            output;
        end;
    run;

数组结构

  • 数组中的变量必须有相同的数据类型
  • ARRAY array-name {number-of-elements} <$> <length> <array-elements> <(initial-value-list)>
  • 元素个数可以用{*}代替，让SAS自动计数；可以指定具体的数字，如{7}；可以指定一定的数字范围，如{1:7}
  • 元素名可以是变量名也可以是SAS自定义变量，如_ALL_（变量类型需相同，_NUMERIC_，_CHARACTER_，_TEMPORARY_（临时变量）
  • <>中的内容并非必须有。如$和length只有在数组元素为字符型时才用到。

PDV与DATA步自循环

1
2
3
4
5
6
7
8
9
10
11
data demoPDV;
    put "第" _n_ "次前运行：" _all_;
    input ID $  Chiness  Math  English;
    Sum = Chiness + Math + English;
    put "第" _n_ "次后运行：" _all_;
datalines;
S001 80 99 93
S002 90 85 95
S003 83 88 81
;
run;

@与@@

  • 当DATALINES数据行里要读入的数据列数=要读入的变量数，也就是说一行就是一条观测时，无尾。
  • 当DATALINES数据行里要读入的数据列数>要读入的变量数，而且是整数倍时，也就是说一行=K*数条观测(K为>=1的整数)，用@@。

  • 当一个DATA步里有多个INPUT语句时，我们需要单尾@。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    * 数据列数=变量数
    data test1;
        input id x y z;
        datalines;
        1 98 99 97
        2 93 91 92
        ;
    run;
    * 数据列数=变量数，多个input语句
    data test2;
        input id@;
        input x@;
        input y@;
        input z@;
        datalines;
        1 98 99 97
        2 93 91 92
        ;
    run;
    * 数据列数=k*变量数
    data test3;
        input id x y z @@;
        datalines;
        1 98 99 97 2 93 91 92;
    run;
    • 无尾Hold不住立即跳
    • 一尾(@)Hold住当前INPUT语句不跳，但若刚好是DATA步最后一个INPUT语句，跳。
    • 二尾(@@)打死都不跳。
    • 最后，无论多少尾，数据行末尾必定自动跳。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
data test;
    input x @;
    input y;
    input @@;
datalines;
1 2 3
4 5 6
7
;
run;
data test;
    input x;
    input y @@;
    input z @;
datalines;
1 2 3
4 5 6
7
;
run;

苔点狂吞纳线青：读取数据

读取方式

  • LIBNAME语句
  • SQL直通设施(SQL pss-through facility)
  • ACCESS/DBLOAD过程，已不推荐
  • IMPORT/EXPORT过程
  • INFILE+INPUT语句
  • INPUT+DATALINES语句
  • IO函数

LIBNAME访问DBMS数据文件

LIBNAME libref engine-name \<SAS/ACCESS-connection-options> \<SAS/ACCESS-LIBNAME-options>;

libname mydb2 db2 user=yuanyi password="wuyuanyi" datasrc=datadb

  • libref: 逻辑库名，其实是存放数据表和视图的DBMS数据库、架构、服务器端别名
  • engine-name: 引擎名,不同的DMBS数据文件需要指定不同的引擎名，入oracle、db2等
  • SAS/ACCESS 连接选项，常用的如用户名，密码等，不同的DMBS数据文件会有所不同
  • SAS／ACCESS 逻辑库选项，控制SAS处理DBMS对象的方式，不同的DBMS数据文件会有所不同

PROC IMPORT语法

PROC IMPORT

DATAFILE = “filename”|DATATABLE = “tablename“(Not used for Microsoft Excel files)

<DBMS = data-source-identifier>

<OUT = libref.SAS data-set-name> \<SAS data-set-option(s)>

<REPLACE>

<file-format-specofoc-statements>;

RUN;

  • filename: 欲读入的文件，包括路径、文件名以及扩展名（如：d:\mydata.xls），当然也可以用之前定义的fileref
  • data source identifier: 一般情况下与文件扩展名一致，.mdb、.dbf、.dat、.sav等。如果是excel文件，建议用Excel
  • <OUT句>: 读入数据后存放的SAS数据库和数据集名称
  • <SAS data-set-option(s)>：对保存的数据进行数据集读写，变量筛选，观测筛选等方面的控制
    • PW=选项加密数据集
    • READ=、WRITE=、ALTER=选项分别加密读、写以及修改权限
    • KEEP=、DROP=、RENAME=选项筛选、重命名变量
    • OBS=、WHERE=筛选保留的观测
  • <REPLACE>: 重复运行时替换掉同名数据集
  • <file-format-specific-statements>: 对分隔符分隔的文件（如CSV文件）、EXCEL文件、Access数据文件、dBase数据文件、Paradox数据文件、SPSS以及Stata数据文件做更详细的读取设置
  • 对于分隔符分隔的文件
    • DATAROW=n 指定数据从第n行开始
    • GETNAMES=YES|NO 应对数据文件首行是不是变量名
    • GUESSINGROWS=n|MAX 应对仅用默认头20行数据无法判断变量类型和长度的情况
    • DELIMITER=‘char’|’nn’x 个性化指定数据文件的分隔符，如DELIMITER=‘#’|‘20’x（十六进制ascii码的空格）
  • 对于EXCEL文件
    • SHEET=EXCEL文件中特定的sheet
    • RANGE=读入某sheet中特定的数据区域

LIBNAME访问PC文件语法

LIBNAME <libref> <engine-name> <‘physical-path and filename.ext’> <SAS/ACCESS-engine-connection-options> <SAS/ACCESS LIBNAME-options>;

  • libref: 逻辑库名，其实是存放数据表和视图的DBMS数据库、架构、服务器端别名
  • engine-name: 引擎名,不同的DMBS数据文件需要指定不同的引擎名，入oracle、db2等
  • ‘physical-path and filename.ext’: PC数据文件地址，文件名以及扩展名，置于引号中
  • SAS/ACCESS 连接选项，常用的如用户名，密码等，不同的DMBS数据文件会有所不同
  • SAS／ACCESS 逻辑库选项，控制SAS处理DBMS对象的方式，不同的DBMS数据文件会有所不同

⚠️SAS在读取Excel文件时，默认用前8行数据判定列的数据类型和长度。解决的办法是让SAS读入更多的数据行再确定数据类型，然而SAS未为Excel提供这样的选项。可以修改Windows注册表的Excel的TypeGuessRows的值为0，这样SAS会在读入所有行后再确定变量的类型。

1
2
3
4
5
6
7
8
9
10
11
filename myexcel "D:\Data\Raw|class.xlsx";
prco import
    datafile=myexcel dbms=excel out=myxls replace;
range="'sheet1$A1:E20'n"; ／*读入sheet1的A1-E20区域数据*／
getnames=yes;
run;
proc import
    datafile=myexcel dbms=excel out=myxls replace;
dbdsopts="firstobs=3 obs=8"; /*读入sheet1的3-8行区域数据*/
getnames=yes;
run;

读入CSV文件

1
2
3
4
5
6
7
filename mycsv "D:\Data\Raw|class.csv";
proc import 
    datafile=mycsv dbms=csv out=tmp replace;
getnames=yes;
guessingrows=20; /*通过前20行确定变量类型*/
datarow=2; /*数据从第二行开始*/
run;

读入TXT特殊字符分隔的文件

1
2
3
4
5
6
7
8
9
10
11
12
filename mytxttab "D:\Data\Raw|class_tab.txt"
filename mytxtblk "D:\Data\Raw|class_blk.txt"
proc import
    datafile=mytxttab dbms=dlm out=tmp replace;
delimiter='09'x;
getnames=yes;
run;
proc import
    datafile=mytxtblk dbms=dlm out=tmp replace;
delimiter='20'x;
getnames=yes;
run;

INPUT语句列表读入式

适合数据不齐整

INPUT <pointer-control> variable <$> <:|$|~> <informat.> @|@@;

  • pointer-control: 控制变量读入点起始位置。针对行: #, /。针对列: @, +。
  • variable: 变量列表
  • $: 变量类型为字符型
  • :|$|~: 三个互斥点可选用格式修饰符
    • : 读入点变量列上不齐整，读到空列、读完字符定义的长度或者数据行结尾时就算一个变量读完
    • & 读入点字符变量包含不连续的空格
    • ~ 读入其他分隔符分隔数据，字符变量引号，引号里有分隔符
  • informat.: 输入格式
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    data tmp;
    input name : $13. gender $ age location $; /*:表示遇到空格或第13列，才读完name*/
    datalines;
    WYY M 25 Shanghai
    WuYuanyi M 25 Shanghai
    StatsThinking M 1 Beijing
    ;
    run;
    data tmp;
    input name & $9. gender $ age location $; /*一个空格不会认为变量结束*/
    datalines;
    W YY  M 25 Shanghai
    Wu Yuanyi  M 25 Shanghai
    ;
    run;
    data tmp;
    infile datalines delimiter=',';
    input name & $9. gender $ age location $ affiliation ~ $12.;
    datalines;
    YY WU,M,30,Shanghai,"SHTU,SSIT"
    Yuanyi Wu,M,30,Shanghai,"SHTU,SSIT"
    run;

INPUT语句列读入式

适合数据齐整的情况

INPUT variable<$> start-column<-end-column> <.decimals> @|@@;

  • start-column<-end-column>: 变量读入点起止列
  • .decimals: 小数位数
1
2
3
4
5
6
data tmp;
input name $ 1-9 gender $ 11 age 13-14 location $ 16-23;
YY Wu     M 25 Shanghai
Yuanyi Wu M 25 Shanghai
;
run;

INPUT语句格式读入式

可以对字符变量指定宽度，以及读入非标准形式对数字，如科学计数法、带货币符号、带千分位等。

INPUT <pointer-control> variable informat. @|@@;
INPUT <pointer-control> (variable-list) (informat-list) @|@@;
INPUY <pointer-control> (variable-list) (<n> informat.) @|@@;

  • (variable-list) (informat-list): 变量格式列表
    • 编号范围列表：形如x1,x2,x3可缩写为x1-xn
    • 名称范围列表：x–a定义顺序从x到a的所有变量，x-numeric-a为x到a的所有数值型变量，x-character-ax到a的所有字符型变量
    • 名称前缀列表：如x_1,x_2或x1,X2可简写成x:
    • 特殊SAS名列表：_numerica_, _character_, _all_
  • <n> informat.: 变量格式列表n表示格式重复的次数
1
2
3
4
5
6
7
8
data tmp;
/*gender虽然只有1列，但声明时要带上其后的一个空格，age，location类似*/
input name & $10. gender $2. age 2. +1 location $8. fee comma6.;
datalines;
YY Wu  M 25 Shanghai 12,345
Yuanyi Wu  M 25 Shanghai 54,321
;
run;

INPUT语句命名读入式

INPUT <pointer-control> variable= <$> @|@@;
INPUT <pointer-control> variable= informat. @|@@;
INPUT variable= <$> start-column<-end-column> <.decimals> @|@@;

1
2
3
4
5
6
7
data tmp;
input name= $ gender= $ age= location=$;
datalines;
name=WYY gender=M age=25 location=Shanghai
name=GY gender=F age=24 location=Shanghai
;
run;

数据导出

PROC EXPORT DATA=<libref.>SAS data set<(SAS data set options)>

OUTFILE=”filename”|OUTTABLE=”tablename”

<DBMS=data-source-identifier\>

<LABEL>

<REPLACE>

<file-format-specific-statements>;

RUN;

  • SAS data set: 欲输出的数据集
  • filename|tablename: 输出文件的地址名称
  • LABEL: 输出文件中输出变量名的标签
1
2
3
4
5
6
7
8
9
proc export
    data=sashelp.class outfile='D:\Data\Raw|class.xlsx'
    dbms=excel replace;
run;
proc export
    data=sashelp.class outfile='D:\Data\Raw|class_tab.txt'
    dbms=csv replace delimiter='09'x;
run;

行舟来去泛纵横：变量观测

DATA+SET语句

DATA <data-set-name-1 <data-set-options-1>> <…data-set-name-n <data-set-options-n>> </<DEBUG> <NESTING> <STACK = stack-size>> <NOLIST>;

DATA _NULL_ </<DEBUG> <NESTING> <STACK = stack-size>> <NOLIST>;

  • data-set-name: 欲创建的SAS数据集名
  • data-set-options: 欲创建的SAS数据集的限制选项
  • DEBUG: 调试程序逻辑错误以及部分数据错误
  • NESTING: 日志中标记DO-END和SELECT-END语句的起止
  • STACK =: 可嵌套LINK语句个数
  • NOLIST: 出错时不在日志打印每个变量的值
  • _NULL_: 不建任何SAS数据集

获取背后数据

  1. 利用OSD TRACE ON和ODS TRACE OFF对整个统计过程进行全程追踪和监控：
1
2
3
4
5
6
ods trace on;
proc lifetest data=sashelp.bmt;
    time t*status(0);
    strata group;
run;
ods trace off;
  1. 在LOG文件中，产生的结果一目了然，想要什么数据随意抓取。
  2. ODS OUTPUT语句抓取Result树形目录下结果：
1
2
3
4
5
ods output SurvialPlot=SurvPlotData;
proc lifetset data=sashelp.bmt;
    time t*status(0);
    strata group;
run;

IF与WHERE

  1. WHERE更高效。WHERE语句在读入PDV之前就先行判断，求子集IF语句先读入观测进入PDV，而后再判断。
  2. WHERE更广泛。WHERE语句可用在DATA步，PROC步，作为数据集选项使用。IF语句只能作为DATA步语句使用。
  3. IF语句对INPUT语句创建的观测有效，WHERE语句只能筛选数据集里的观测。
  4. 当有BY语句时，求子集IF语句与WHERE语句结果可能不同，因为SAS创建BY组再WHERE语句之后，求子集IF语句之前。
  5. 求自己IF语句可以用在条件IF语句中，WHERE语句不行
  6. 当读入多个数据集时，WHERE语句可以针对每个数据集单独筛选，求子集IF语句不行。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
/*打开数据集时，直接读取只需要的观测：通过WHERE选项限定读入数据集*/
data tmp;
    set sashelp.class(where=(sex="F"));
run;
/*PDV里筛选过滤观测*/
/*通过WHERE语句*/
data tmp;
    set sashelp.class;
    where sex="F";
run;
/*通过求子集IF语句*/
data tmp;
    set sashelp.class;
    if sex="F";
run;
/*只写入所需观测进入数据集：通过WHERE选项限定输出数据集*/
data tmp(where=(sex="F"));
    set sashelp.class;
run;
data want(where=(not missing(id)));
    set raw1(where=(age between 20 and 30)) raw2(where=(sex="F"));
run;

KEEP、DROP与RENAME

  1. 选项只作用于被其尾随的数据集，而语句作用域PDV，即语句对不管来自哪个数据集的变量都有效。
  2. KEPP/DROP，RENAME，WHERE和其他语句的执行有固定的执行顺序。
    • 数据集读入和输出阶段的执行顺序：
      1. KEPP/DROP选项筛选变量
      2. RENAME选项修改变量名
      3. WHERE选项筛选观测
    • 编程处理阶段：
      1. WHERE选项筛选观测
      2. 其他执行语句
      3. KEPP/DROP选项筛选变量
      4. RENAME选项修改变量名

编译变量和临时变量

编译变量(NOBS、IN、OBS、END、POINT等)和临时变量的赋值方式是将等号左边赋值给等号右边，其他赋值语句是将等号左边赋值给右边，

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
/*PROC SQL获取观测值 最慢*/
proc sql;
    select count(name) as N from sashelp.class;
quit;
/*_N_获取观测数 中*/
data _null_;
    set sashelp.class end=last;
    if last then put _n_;
run;
/*编译变量获取观测数 最快*/
data _null_;
    if 0 then set sashelp.class nobs=n;
    put _all_;
run;

CALL例程

CALL例程也可以生成新变量，这种方法是函数形式的一种变种。

1
2
3
4
5
6
7
8
9
10
data rand;
    seed=123;
    do i=1 to 10;
        x=rannor(seed);
        call rannor(seed,y);
        output;
    end;
run;
proc print data=rand;
run;

变量类型转换

new_variable = input(original_variable, informat.);

new_variable = put(original_variable, format.);

  • new_variable：欲生成的新变量
  • informat.：变量输入格式
  • format.：变量输出格式

DATA步实现累加

累加语句：variable+expression;

  • variable：累加器变量，必须为数字型变量，累加后的值保存于此变量中
  • expression：表达式，表达式的值会被累加到累加器变量variable中
1
2
3
4
5
6
data want;
    set sashelp.class;
    cum_weight+weight;
    cnt_weight+1;
    avg_weight=cum_weight/cnt_weight;
run;

RETAIN语句：RETAIN <element-list(s) <initial-value(s)|(initial-value-1)|(initial-value-list-1)> <…element-list-n <initial-value-n|(initial-value-n)|(initial-value-list-n)>>>

  • element-list：需要保留PDV里的值的参数，可以是变量名、变量列表、数组名
  • initial-value：初始值，对应于只有一个参数或者参数列表里的第一个参数
  • (initial-value-1)：带括号的初始值
  • (initial-value-list-1)：带括号的初始值列表
1
2
3
4
5
6
7
data want;
    set sashelp.class;
    retain cum_weight cnt_weight (0 0);
    cum_weight=cum_weight+weight;
    cnt_weight=cnt_weight+1;
    avg_weight=cum_weight/cnt_weight;
run;

BY语句的作用是在PROC SORT中排序后，在SET、MERGE、UPDATE以及MODIFY语句中，指定分组变量，产生临时变量FIRST.变量和LAST.变量用以标示观测变量是否为分组变量里的第一条和最后一条。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
proc sort data=sashelp.class out=class;
    by sex;
run;
data want;
    set class end=last;
    by sex;
    if first.sex then do;
        cum_weight=0;
        cnt_weight=0;
    end;
    cum_weight+weight;
    cnt_weight+1;
    if last.sex then do;
        avg_weight=cum_weight/cnt_weight;
        output;
    end;
run;

隔行取数据

SAS DATA步是隔行处理数据，一旦一行处理完，读入下一行数据后，前面行的数据就不在PDV里了。

  • LAG：把前面任一行的数据在取出来
  • DIF：计算目前行与前面任一行的差
1
2
3
4
5
6
7
8
9
10
11
data want;
    set sashelp.class;
    /*前面2人是谁*/
    pre1name=lag1(name);
    pre2name=lag2(name);
    /*与前面两人身高的差*/
    dif1height=dif1(heigh);
    dif2hegith=dif2(height);
run;
proc print'
run;