代码部分大多来源于姚志勇老师的《SAS编程与数据挖掘商业案例》。
每每以为攀得众山小,可、每每又切实来到起点,大牛们,缓缓脚步来俺笔记葩分享一下吧,please~
——————————————————————————————————
一、数据索引
数据索引的创建有三种方式:data步骤、sql步骤、datasets步骤。
其中还是有点困惑在data与datasets的区别之上,datasets是对逻辑库中数据集进行操作的方式,而data之后是代表程序的开始。
1、data方式创建索引
data idx(index=(x));input x y;cards;1 2;run;
解读:其中设定(index=(x))为建立索引。
2、使用sql的方式
/*使用sql方式,先有数据,后利用sql方式建立索引*/proc sql;crate index y on idx(y) ;/*单一索引*/create index xy on idx(y,x);/*复合索引*/quit;
3、使用datasets方式
proc datasets lib=work;modify idx;index create z/nomiss unique;/*单一索引*/index create (x y z)/nomiss unique;/*复合索引*/quit;
解释:需要注意的是,/nomiss这个都是需要的。同时前面带了几个变量就是以这几个变量为唯一索引。有点注意的是,可以同时以“xy”两个变量作为索引变量。
4、索引的删除
有全部删除也有部分删除。
/*删除索引*/proc sql;drop index X on idx;quit;
注意利用sql的方式来调用。drop用来删除。
/*删除全部索引*/proc datasets;modify idx;index delete _all_;quit;
全部索引的删除,可以用调用datasets用_all_来进行删除。
——————————————————————————————————
二、数据集操作
数据集操作算是数据处理的精髓,一般来说可以用到以下的一些语句:
/*data,创建数据集*/
/*set,读数据,纵向合并数据集*/
/*by,控制set merge modify update,分组变量*/
/*merge,横向合并数据集*/
/*update,更新SAS数据集*/
/*modify,修改SAS数据集*/
/*put,显示或输出数据行*/
/*file,规定当前put语句的输出问及那*/
/*infile,规定data步要读入的外部文件*/
1、set
(1)set-keep联合 提取特定用户
/*set-keep-挑选变量*/data keep;set sashelp.class(keep=name sex);/*查看数据,sashelp逻辑库的class数据集,keep相当于 class[,c("name","sex")] keep代表提取元素,而drop代表剔除元素*/run;
keep相当于可以从数据集中抽取变量,keep相当于 class[,c(“name”,”sex”)] keep代表提取元素,而drop代表剔除元素
(2)set-rename 修改变量名称
/*set-rename-修改变量名称*/data keep;set sashelp.class(keep=name sex rename=(name=name_new sex=sex_new));run;
代码的格式是,rename=(原姓名=现姓名)
(3)set-where 条件选择
/*set-where-按条件选中*/data keep;set sashelp.class(keep=name sex where=(sex='M'));run;
where也可以用在数据集的括号中,同时也是where=的样式。其中,sex=’M’中的等于,也可以写成sex eq ‘M’,其中的eq代表等于(此外ne代表不等于)
(4)set-in 临时变量
/*set-in-临时单个变量*//*可以说是SAS跟R最大的区别的一点就是,SAS内容都是不直接放在内存之中,而是放在数据集中,如果要对数据集的内容进行一些操作,需要先赋值成一些临时变量*/data keep;set one(in=a) two(in=b);/*one变量变成临时变量a,two变量变成临时变量b,同时合并one two变量*/in_one=a;in_two=b;/*将临时变量a b 赋值新变量名称in_one、In_two*/if a=1 then flag=1;else flag=0;/*构造一个新变量flag,为满足某种条件*/run;
in的作用就是临时变量放入缓存,需要两步才能调用,步骤是先将变量用in赋值为某变量,由于临时变量不能输出,需要用实际变量名称进行输出,需要再赋值一次。
本段代码中,还有一个用if 来重新构造一个变量flag,当a=1时候flag为1,这样的形式就可以构造一个新的变量。
(5)set-nobs 计总数
/*set-nobs-数据总数,譬如nrow的意思*/data nobs11(keep=total);set sashelp.class nobs=total_obs;/*将class数据集通过nobs转给临时变量total_obs,然后传给实际变量total,再传出*/total=total_obs;output;stop;run;
利用nobs=total_obs,以及total=total_obs的操作来计数。
先用函数obs计数,然后传给临时变量total_obs放入缓存,缓存内容需要再传导给实际变量total。
此外,注意还有output+stop代表单独输出为数据表,而stop的意思是停留在一个单元格,不然就会生成19*1的一列数值,里面都填充着数字19。
(6)set-end 标记最后
/*set-end*/data end;set sashelp.class end=last_obs;flag=last_obs;run;/*新变量flag,在最后一个变量时间标记为1,是否结尾的标示*/
(7)set-point+nobs选中最后一个值
/*set-point+nobs组合使用*/data name;set sashelp.class nobs=last point=last;/*先把数据集数量通过Nobs传给last,然后point整体数量就代表最后*/output;stop;run;
(8)数据集合并——横向合并
/*set-数据集合并*/data concatenat;set sashelp.class sashelp.class(obs=10);/*横向合并,同时sashelp.class(obs=10)代表切片*/run;
set 数据集1 数据集2
就代表数据集可以横向合并,同时注意 数据集(obs=10)就代表数据集的前10行内容。
(9)数据集切割
/*set-数据集切割*/data d1 d2;set sashelp.class;if _n_le 10 then output d1;else output d2;run;
用if来对数据进行切割,用_n_来进行定位,不过这段代码没运行成功。。
(10)双set
双set的设置是set用法的最精髓,也算是SAS为什么效率高的一个原因,简单的理解就是,可以同时读两份文件。
proc datasets lib=chapt2; /*逻辑库所在位置*/modify income;/*更新数据集名称*/index create dtefit=(flightid fltdate)/nomiss unique;/*dtefit代表索引名称,flightid fltdate代表两个变量名称,复合索引*/quit;data profit;set chapt2.expenses;set chapt2.income key=dteflt;/*按索引查找相同的内容,然后组成同一个数据集*/profit = sum(income,-expenses);run;/*双set,相当于数据合并,但是当数据出现缺失值的时候,这样的代码不能解决问题,而且系统会自动填充缺失值,所以需要以下的内容的代码来补充*/
双set,相当于数据合并,但是当数据出现缺失值的时候,这样的代码不能解决问题,而且系统会自动填充缺失值,所以需要以下的内容的代码来补充
data profit errors;set chapt2.expenses;set chapt2.income key=dteflt;if _iorc_=0 then do;profit=sum(income,-expenses);output profit;end;else do;_error_=0;output errors;end;run;
2、merge用法——横向合并
/*merge 横向合并*/proc sort data=chapt3.merge_a;by x;run;proc sort data=chapt3.merge_c;by=x;run;data d;merge chapt3.merge_a chapt3.merge_c;by x;run;
SAS合并需要预先进行一些内容的排序,才能进行合并。
排序:proc sort data=逻辑库.数据集; by=变量名称;run;
合并:merge 数据集1 数据集2;by x;
注意这里合并需要by,同时By是作为单独的代码。
3、where 按条件选择
(1)where-between/and
前面set和where联用可以得到比较好的效果。还有一些可能:
Where x between 10 and 20;/* X[10,20] */Where x not between 10 and 20;Where x between y*0.1 and y*0.5;where x between 'a' and 'c';
where-between/and可以作为切片的一种。同时数据集(obs=10)也是切片的一种方式。
where x in(1,2);/*选择变量等于某值的情况*/
选择变量服从某些特征的。
(2)where在缺失值的应用
/*where选中缺失值*/Where x is missing;where x is null;/* 数值型变量,定位缺失值,is.na()*/
有点像R中的is.na()函数。
Where x;/*选择数值变量x非0非缺失值的观测值*/Where x and y; /*字符型变量,选择观测值*/Where x ne '';
还有一些比较特殊的写法,譬如where x就直接代表选中了非0非缺失值的数据,比较方便。
x ne ”代表,x不等于空格。
(3)where选中字符型
where x like 'D_an';where x like '%ab%' or x like '%z%';/*字符型匹配,下划线代表一个字符,%代表可以有很多字符*/
跟SQL里面一样用like来定位字符型内容。其中需要注意的是,D_an代表D和an其中可以容纳一个字符;而D%an代表D和an中可以容纳多个字符。
4、append函数——横向合并、添加
/*append base= data= force 语句*//*base是元数据集,data需要添加在后面的数据集,force是强行添加,不太用*/proc append base=null data=sashelp.class(where=(sex='M'));run;
利用proc append来启动函数,
proc append base=基础数据集 data=添加数据集
每每以为攀得众山小,可、每每又切实来到起点,大牛们,缓缓脚步来俺笔记葩分享一下吧,please~
———————————————————————————