跳至主要內容

SAS 学习笔记

Kevin 吴嘉文大约 7 分钟知识笔记数据库

SAS

python 插件open in new window

基础

变量数据类型：定义方式为：var_name type; 其中 type 包括：

  • 数值型： 不分整数小数
  • 字符型： $10。10 表示最大字符数量。最多支持 32767 字符。
  • 时间型： DATA11等

DATA step

  • 基础创建，读取，修改数据

  • 处理方法是逐行处理，相当于定义一个函数，对数据集逐行进行处理。

  • /*从第三行开始读到 5 行*/
DATA DB;
	INFILE "PATH TO FILE" FIRSTOBS=3 OBS=5;
	INPUT "@1 COL1 $10. COL2 3.1 DATE MMDDYY10." 
	/*如果是字符串类型，后面要加字符串, COL2 占用 3 个字符，包含小数点后 1 个数，但是如果出现一个没*/
	/*@ 说明从第一个列开始都*/
	LABEL ReceiveDate="Date order was received"  /*给 col name 换标签*/
	Zone = 14; /*直接生成一个新的 COL*/
	avg = MEAN(COL1, COL2)
	INPUT X @;  /*我们先读入 x 这个 col，*/
	INPUT Y; /*这时候我们就能读入 X Y 两列数据*/
	INPUT Z @@;  /*记录永久保留，知道被覆盖*/
	RETAIN record_max;  /**/
	MAX_VAL = MAX(record_max, COL2);

SAS 是每行读取的，因此使用 RETAIN 相当于创造了一个临时变量，而不适用 RETAIN 相当于直接创造了新的 col。

读取时候可以在 input 加入 @sym 来提取复杂语句，如下面提取的目标为 123[2022-01-01 -000] GET /mnt/c/log.txt：

DATA DB;
	INFILE "PATH TO FILE";
	INPUT @'[' Lastdata DATE11. @'GET' File :$20.;

其他输入方式请查看搜索引擎。

PROC step

  • 进行复杂操作 相当于函数

操作界面

SAS 带有自己的软件界面，在软件中点击 run submit 就可以提交了。左边是逻辑库（数据文件夹），右下角写代码，右上看日志。

数据导入

一般如果前几行缺失的话，该列会默认识别成字符型。可以在前几行添加一些数字性数据，然后导入后删掉这些行。

永久数据库链接

sas 逻辑库相当于文件夹，用于储存文件。

libname sasdb "path/to/data_dir"
DATA sasdb.db_name

在逻辑库中的数据库名称叫做 sasdb

import 导入

除了用 data 导入常用数据库，也可以用 import

Proc import
DATAfile="pathname"
GETNAMES=NO  /*不讲第一行作为 col_name*/
out=sasdb
DELIMITER=","  /* 分割符 */
dbms=identifier replace;
Run;

选取部分 col 读入，输出一个数据集时候，效率高：

DATA NEWDB;
Set rawdb(keep/drop=col_name);
Run;

以下能够输出到多个数据集中，但内存中操作的是整个 RAWDB 数据集。

DATA NEWDB1(keep/drop=col_name)
NEWDB2(keep/drop=col_name);
Set rawdb;
Run;

数据选择

Data 语句指定了新数据集名，set 指定要读取的老数据集名。如果不想创建新的，则也可以在 data 中指定老数据集。

DATA NEWDB;
SET OLD_DB;

软件直接导入 View table 窗口

一般如果前几行缺失的话，该列会默认识别成字符型。可以在前几行添加一些数字性数据，然后导入后删掉这些行。

数据操作

变量

如果我们执行这样的操作：

data c;
set b;
	new_col+col;
	format new_col;
run;

sas 相当与执行了以下 python 操作：

c = new_data()
b = load_data()
for row in b:
    col1, col2, col3 = b.columns
    if new_col:
        new_col += col1 
    else:
        new_col=0
    c.append(col1, col2, col3,float(new_col))  # 这一布会添加所有中间出现过的变量

对与 b 表格中的 cols 变量，他会覆盖之前定义过的所有同名变量。

对于中间我们自定义的其他变量，它会保持住上次更新的值。

所有中间变量都会被统一默认 output，当然我们可以自定义 output。

运算符号
**
*
+
-
= /*等于与复制语句有时候很相似*/
^=, ~= 
>=
&  and
|,!  OR
^ not
max
min
|| 字符链接操作
条件运算
data a c;
set b;
if gender=1 then do;
    output a;
    end;
else if gender=. then do;
    tg='gender_missing';
    end;
else do;
    output c;
    end;
Run;

部分逻辑

COL IN('TARGET','TARGET')
Year<1999
循环
DO I = 1 TO 5;
	CODE.
END;
日期操作
ARRAY

创建 store 数组，储存四个列的变量

ARRAY store(4) Macys Penneys Sears Target;
/*或用 -- 省略中间列*/
ARRAY store(4) Macys -- Target;
筛选
PROC PRINT DATA="XXX"
	WHERE Genro="target genro"
打印
PROC PRINT DATA="XXX";
	WHERE Genro="target genro";
	
	LABEL NEW_COLNAME="A LONG COL NAME";
	BY COL_LIST; /*筛选 col*/
	ID TARGET_ID_LIST; /*筛选 row*/
	FORMAT Last_Date DATE9. /*格式化输出*/
	FOOTNOTE "F = FRANCE";

其中格式化输出支持自定义格式化。

打印统计指标，包括 mean, std dev, min, max 等值：

proc MEANS DATA= SALES;
	BY Month;
	VAR TARGET_COLS;
	TITLE "TITLE OF PRINT TABLE";

可以使用自带功能打印简单报告

proc report data=xxxx;
	options;
计数

对变量进行统计计数，支持单/双变量计数。

PROC FREQ DATA=ORDERS;
	TABLES WINDOW WINDOW * COFFEE
	RUN;

代码告诉 SAS 打印两个表，一个是 one-way 的频率表 WINDOW，一个是交叉表。交叉表的每个小方格内，SAS 打印了频数、百分比、行百分比和列百分比。左边和右边是累积百分比。注意计算频数时没有考虑缺失值

相关图片
相关图片

如果要打印三个变量的频率：

proc tabulate data=boats;
	class col1 col2 col3;
	table col1, col2, col3;
    RUN;

其中根据 col1 值打印多个双变量频率表。

除了打印计数之外，还可以打印其他计算结果。 美化输出结果等。

排序
PROC SORT DATA=MESSY OUT=NEAT dupout=dupdata NODUPKEY;
	BY State DESCENDING cITY

将 DESCENDING 加在要降序的变量前面。

缺失值比任何值都小。

重复的数据将会输出到 dupdata 中

排序后，默认可以使用 FIRST.COL 和 LAST.COL 提取最小和最大值。因为他们直接指向了第一 row 读取的数和最后一 row 读取的数。

分组
拼接数据集

可以使用 set 实现拼接。SET 语句是一次一个变量地，将一个数据集放入数据步中予以分析。

根据 row 的方向拼接；

DATA NEWDB;
	SET OLD1 OLD2;
PROC PRINT DATA=NEWDB;
RUN;
合并数据集

合并前需要 sort 合并的 key

PROC SORT DATA=DB1;
	BY col1;
PROC SORT DATA=DB2;
	BY col1;
DATA newdb;
	merge db1 db2;
	by col1;

如上，相当于 db2 向 db1 合并。（db1 为左表）

可以通过 in= 方法来调整合并时候，左右两个表不同的 row 如：

DATA BOTH;
	MERGE STATE (IN=INSTATE) COUNTEY (IN=INCOUNTRY);
	BY COL1;
	IF INSTATE=1;

当前 row 的 col1 在 STATE 数据集存在时，INSTATE=1； MERGE 会遍历所有出现过的 row；

更新数据

根据 col1，将 db2 中非空数值更新到 db1 中

data db1;
	update db1 db2;
	by col1;
run;
位测试：
if a='..1.000'b than do;
操作语句
MEAN(OF COL1 - COL9)
MEAN(COL1, COL2, COL3)

输出 ODS

ODS 是输出必须经过的一个环节。ODS 支持很多输出美化配置

打印中间变量

ODS TRACE ON;
	THE DATA YOU WANT TO PRINT
ODS TRACE OFF;

或输出单一变量

ODS SELECT MEANS.byGroup1.Summary

输出到 HTML

ODS HTML OPTIONS;
	data ...
	proc ...
ODS HTML CLOSE;

options 需要指定一个路径。HTML 支持很多输出美化。

输出到多个表

data db1 db2;
 	set rawdb;
 	if col1=1 then output db1;
 	else output db2;
run;

output 用于控制合适将观测值写入到 SAS 数据库中。如果数据集中没有 OUTPUT 语句，则暗含在结尾，放置了 output 之后，则结尾的就不再暗含存在。当 SAS 出现 OUTPUT 语句时，则写入一个观测值。

DATA DB1;
	DO X = 1 TO 6;
		Y=X**2;
		OUTPUT;
	END;
RUN;

每一次 output 就时一行，output 时候将 output 所有记录的 cols；

输出到文件

PROC EXPORT DATA=data-set OUTFILE='filename';

宏

宏与 C 中宏变量相似，在编译时候被替换。

使用宏指令之前必须将宏系统选项打开，尽管有时默认是打开的。可以用下面代码查看是否打开： PROC OPTIONS OPTION=MACRO; RUN;查看日志，如果看到 MACRO，则打开了；如果看到 NOMACRO，则没有打开。

定义宏变量

%LET iterations=10; 
%LET country=New Zealand;

当赋值字符串时，不需要加引号 。除非在开头和结尾有空格，否则从等号到分号的全部内容都是变量值。

引用时候使用 &

do i = 1 to &iterations

可以将一段代码定义成宏：

%MACRO SAMPLECODE;
PROC SORT DATA=DB;
	CODES;
%MEND SAMPLECODE

调用时候直接 %SAMPLECODE

可以添加参数

%MARCRO SELECT(X=, Y=);
	PROC SORT DATA= DB;
		BY &X;
		WHERE ID="&Y"
%MEND SELECT;

使用：

%SELECT(X= COL1, Y=TARGETID)
宏中条件
%IF condition %THEN action; 
%ELSE %IF condition %THEN action; 
%ELSE action; 
%IF condition %THEN %DO; 
SAS statements 
%END;

其他

其他函数

REG # 支线回归
PRINCOMP  # PCA
GLM # 协方差分析
ANOVA # 方差分析

如简单的回归

PROC REG DATA=DB;
	MODEL Y=X;
	PLOT Y*X;
RUN;

根据 X 预测 Y

能够添加缩写，自动指代到

上次编辑于:
贡献者: kevinng77