数据步修改与选择观测.ppt

第7章 数据步修改与选择观测,清华大学经管学院 朱世武 Z Resdat样本数据： SAS论坛： ,本章介绍数据步中用于修改与选择观测的语句。 利用修改与选择观测语句，可以进行数值计算、数据集修改、观测子集选择及输出控制等。,赋值语句,语句格式： variable=expression; 将表达式结果赋予一个变量。 选项说明：,例7.1 赋值语句举例 data a; set ResDat.class; by sex; n=_N_; error=_error_; first_s=first.sex; last_s=last.sex; proc print; run; x=a+b; /* 规定新变量x，它是a和b的和*/ t(2)=sum(of x1-x5); /*规定数组元素，它的值是一函数值*/ a=a+b; /*规定一个已经存在的变量a，它的值为原来值和b之和*/,结果显示：,Obs Name Sex Age Height Weight n error first_s last_s 1 Alice F 13 56.5 84.0 1 0 1 0 2 Barbara F 13 65.3 98.0 2 0 0 0 3 Carol F 14 62.8 102.5 3 0 0 0 4 Jane F 12 59.8 84.5 4 0 0 0 5 Janet F 15 62.5 112.5 5 0 0 0 6 Joyce F 11 51.3 50.5 6 0 0 0 7 Judy F 14 64.3 90.0 7 0 0 0 8 Louise F 12 56.3 77.0 8 0 0 0 9 Mary F 15 66.5 112.0 9 0 0 1 10 Alfred M 14 69.0 112.5 10 0 1 0 11 Henry M 14 63.5 102.5 11 0 0 0 ,结果变量类型,决定结果变量类型的准则： 如果表达式中的变量全为数值型，结果变量为数值型； 如果表达式中的变量全为字符型，结果变量为字符型； 如果表达式中的变量既有数值又有字符型，结果变量为数值型。,结果变量长度,结果变量的长度是第一次扫描结果的长度，除非事先由LENGTH语句规定好结果变量的长度。 例7.2 第一扫描结果的长度不是所有数据中的最大长度时会出错 data a; lstknm=深发展; /*第一扫描结果的长度为4 */ lstknm =大秦铁路; /* lstknm的长度为4，所以显示结果为lstknm =大秦铁*/ proc print; run;,Obs lstknm - 1 大秦铁,例7.3 用LENGTH语句得到正确输出结果 data a; length lstknm $12; /* 规定变量lstknm的长度为12 */ lstknm=深发展; lstknm =大秦铁路; proc print; run;,Obs lstknm - 1 大秦铁路,累加语句,语句格式： Variable+expression; 累加语句累加表达式结果。 选项说明：,应用准则： 累加变量的观测被读入之前，值为0； 表达式的计算结果为缺失值时，取0代替； 表达式可以使用比较算符； 语句A+(-B)中的（+）是必须的，不能写成A-B。,例7.4 累加语句等于使用SUM函数和一个RETAIN语句 data a (keep=name height s_h); set ResDat.class ; s_h+height; proc print; run; data b (keep=name height s_h); set fdata.class ; s_h=sum(s_h, height, 0); retain s_h 0; run; 上面两段程序等价,Obs Name Height s_h 1 Alice 56.5 56.5 2 Barbara 65.3 121.8 3 Carol 62.8 184.6 4 Jane 59.8 244.4 5 Janet 62.5 306.9 6 Joyce 51.3 358.2 7 Judy 64.3 422.5 8 Louise 56.3 478.8 9 Mary 66.5 545.3 ,应用举例,例7.5 表达式SUMX+X*X把X*X的结果加到SUMX上 data a (keep=date uss); set ResDat. Dret(where =(stkcd=000002); uss+ Dret*2; /*USS为变量Dret的平方和 */ run; 例7.6 计算非缺失值的观测个数 data a(keep=nmis); set ResDat.indcls; nmis+sector= ; run; 例中，NMIS为变量SECTOR非缺失值的观测个数，即按SECTOR分好类股票的个数。,DELETE语句,DELETE语句停止处理当前观测，该观测值不被读入到创建的数据集，SAS系统返回到DATA步的开头处理其他观测。 语句格式： DELETE;,例7.7 删除部分观测值 data stka; set ResDat.lstkinfo; if Stktype=B then delete; run; 例中，删除数据集RESDAT中Stktype=B的观测值。,例7.8 清空数据集 data a; set ResDat.lstkinfo; delete; run; 例中，删除数据集A中的所有观测值，即清空数据集A。设计复杂程序时，常会用到DELETE语句的这种用法。,LOSTCARD语句,LOSTCARD语句用于重新对准输入数据。 当一个观测包含几个数据行，且当前观测缺少其中的一些行时，利用LOSTCARD语句可以防止SAS系统从下一个观测的数据行读数据作为当前观测的一部分。 语句格式 LOSTCARD; 使用LOSTCARD语句时，必须用IF-THEN语句给出丢失数据行的条件。 适合使用LOSTCARD语句的情况有： 每个观测有固定的输入数据行； 同一个观测的每个数据行都有一个同值的识别变量。,例7.9 每个数据行都有一个同值的识别变量 data a; input id 1-3 reject #2 idc 1-3 pass; if id ne idc then do; put 数据行错误 id= idc=; lostcard; end; cards; 301 32 301 61432 302 53 302 83171 400 92845 411 46 411 99551 ; proc print; title2 每个观测包含2个数据行; run;,每个观测包含两个数据行 Obs id reject idc pass 1 301 32 301 61432 2 302 53 302 83171 3 411 46 411 99551,LOSTCARD语句的执行步骤：,SAS日志上输出一个丢失记录卡信息，一条标尺及创建当前观测所读的数据行; 不输出观测到数据集，丢弃开始读入本组的数据行，返回到DATA步开头; 试图用该组第二个数据行开始并按INPUT语句规定的行数读数据行来创建观测; 当丢失记录行的IF条件仍是真的，SAS重复前三步； 对于IF条件不成立的一组数据行，SAS创建一个观测，并增加自动变量_N_的值。,例7.10 每个观测包含3个数据行 data a; input id1 x $ #2 id2 y $ # 3 id3 z $; if id1 ne id2 or id2 ne id3 then lostcard; cards; 101 A 102 B 102 B 103 C 103 C 103 C 104 D 105 E 105 E 105 E ; proc print; title 每个观测包含3个数据行; run;,每个观测包含3个数据行 Obs id1 x id2 y id3 z 1 103 C 103 C 103 C 2 105 E 105 E 105 E,例中，DATA步读3个数据行作为1个观测。第1个观测有2个丢失记录，第2个观测有1个丢失记录，第4个观测丢失2个记录。只有第3和第5个观测是完整的观测。 LOG窗口显示的信息： NOTE: LOST CARD. RULE: -+-1-+-2-+-3-+-4-+-5-+-6-+-7-+-8-+-9-+-0 5 101 A 6 102 B 7 102 B NOTE: LOST CARD. 8 103 C NOTE: LOST CARD. 9 103 C NOTE: LOST CARD. 11 104 D 12 105 E 13 105 E NOTE: 数据集 WORK.A 有 2 个观测和 6 个变量。,STOP语句,STOP语句停止处理DATA步。当遇到STOP语句时，正被处理的那个观测没有添加到SAS数据集上。 语句格式： STOP；,例7.11 停止处理DATA步 data a; set resdat.lstkinfo; if _n_=5 then stop; proc print; /*OUTPUT窗口照常打印数据集列表 */ run; 例中，数据集A从数据集resdat.lstkinfo中读取了4条观测，因为当指针标识_N_=5时，遇到STOP语句，正被处理的那条观测没有添加到数据集A中。,ABORT语句,ABORT语句中止执行当前的DATA步，继续执行下一个DATA或PROC步。 执行ABORT语句时，创建ABORT语句执行前已处理观测的数据集。但是，当新创建数据集和已存在的SAS数据集同名时，不能覆盖已存在的数据集。 语句格式 : ABORT|;,RETURN选项说明,立即使当前的SAS作业或会话正常结束。产生的结果依赖于执行的方式。 批处理方式和非交互方式下： 立即停止处理； 在LOG窗口显示错误信息,说明由ABORT语句的RETURN选项终程序执行； 不执行任何相继的语句或检查句法； 用一个条件码指示有错误地控制返回到主机系统。 显示管理方式和交互行方式下： 立即停止处理并返回到主机系统。,例7.12 显示管理方式下使用stop语句与abort的区别。 使用stop语句时，LOG窗口不显示错误信息，当新创建数据集和已存在的SAS数据集同名时，能覆盖已存在的数据集。 data a; set resdat.lstkinfo; if _n_=5 then stop; run; Log窗口显示：,使用abort语句时，LOG窗口显示错误信息，当新创建数据集和已存在的SAS数据集同名时，不能覆盖已存在的数据集。 data a; set resdat.lstkinfo; if _n_=5 then abort; run; Log窗口显示：,例7.13 ABORT语句防止输入无效数据时出错。 data b; input ssn pay ; if _error_ then abort; cards; 111 100 aaa 200 444 300 ; proc print; run; 输出结果：,WHERE语句的性质,WHERE语句读入数据集之前选择观测。 WHERE语句是在执行数据集连接（SET），合并（MERGE），更新（UPDATE）或修改（MODIFY）之前进行的操作。 使用WHERE语句时，因为SAS系统只从输入数据集中读入满足条件的观测，所以这样的SAS程序更有效。 WHERE语句不是可执行语句，它起不到IF-THEN语句的作用。 能用WHERE语句的地方一定可以用IF语句来代替，反之则不行。不过，一旦WHERE语句有效，就一定要用它，因为这样的程序效率高。,语句格式 WHERE where-expression; 仅用于WHERE表达式的特殊算符,例7.15 BETWEEN-AND算符和IS MISSING|IS NULL算符例句。 Where hstocd between 600000 and 600899; Where taxes between salary*0.30 and salary*0.50; Where taxes not between salary*0.30 and salary*0.50; Where idnum is missing; /*计算缺失值数目 */ Where name is null； LIKE算符的两个特殊模式： 百分号（%）可以替代任意多个字符; 下划线（_）正好有一个字符与之匹配。 进行比较时，LIKE算符识别大写和小写之间的字符。,例7.16 设有名字Diana，Diane， Dianna， Dianthus，Dyan. 使用LIKE算符来选择第一个字符为D的名字时，LIKE算符的不同选择模式与结果如下 ： Like D_an; /* 选择Dyan */ Like D_an_; /* 没有名子被选上 */ Like D_an_; /* Diana, Diane, Dianna, Dyan */ Like D_an%; /*上述列表的所有名字 */ Not like D_an%; /* 没有名子被选上 */,SAMEAND算符的形式： WHERE candition-1; 其它SAS语句 WHERE SAME AND condition -2 其它SAS语句 WEHERE SAME AND condition-n; SAS系统选择除满足上述定义的条件外，还满足在SAME-AND算符后列出条件的观测。,例7.17 使用算符SAME-AND来增加较多的从句到程序中已有的WHERE语句后面，而不需要重新打入原来的从句 proc gplot data=ResDat.Idx000001; plot clpr*date=1; where year(date)1996; where same and year(date)2000; run; quit;,应用举例,例7.18 选择数值变量非0和非缺失的观测值 Where x; Where x and y; Where x/y; 例7.19 选择字符变量非缺失的观测 Where c= ; where c is not missing; 字符变量C不能单独地作为逻辑表达式 例7.20 选择一定范围内的观测 Where x between 1 and 5; where 1=x=5;,例7.22 不能用WHERE语句的情况 data a; set ResDat.Idx000001; where _n_100; /*错误语句，必须用if */ run; data a; set ResDat.Idx000001; if _n_100; run; 例中，不能用WHERE语句控制SAS的自动变量。,OUTPUT语句,OUTPUT语句输出当前的观测到被创建的数据集中。 语句格式 OUTPUT ; 选项说明： OUTPUT语句的作用： 由一个输入数据行创建多个观测； 由一个输入数据文件创建多个SAS数据集； 由几个输入数据行合并为一个观测。,应用举例,例7.23 由一个输入数据行创建多个观测 data A; input ID $ score1- score3; drop score1- score3; score=score1; output; score=score2; output; score=score3; output; cards; 02126 99 96 94 02128 89 90 88 ; proc print; run; 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.,例7.24 一个DATA步创建多个数据集 data A B; set ResDat.lstkinfo; if Stktype=A then output Astk; else if Stktype=B then output bstk; run; 例中，一个DATA步创建两个数据集。数据集Astk包含变量Stktype=A的所有观测；数据集Bstk包含变量Stktype=B的所有观测。,例7.26 由几个记录组合信息 proc sort data=ResDat.lstkinfo out=lstkinfo; by stktype; data a; set lstkinfo ; by stktype; if first. Stktype then Num=0; Num+1; keep stktype num ; if last.stktype then output; run; 例中，计算数据集lstkinfo中两类不同股票的数目。这样的方法是不是简单快捷。这个例子很有用，从这里也认识了自动变量：first. stktype 和last. stktype的使用方法。数据处理时用这个语句会很省力。,MISSING语句,MISSING语句规定缺失值的符号。 读入含有缺失值的数据源时，必须用MISSING语句，否则可能产生读入错误。 语句格式 Missing charcter1charctern; 其中： charcter规定代表缺失值的字符。,应用举例,例7.29 规定缺失值字符 data period_a; missing X I; input Id $4. Foodpr1 Foodpr2 Foodpr3 Coffeem1 Coffeem2; datalines; 1001 115 45 65 I 78 1002 86 27 55 72 86 1004 93 52 X 76 88 1015 73 35 43 112 108 1027 101 127 39 76 79 ; 例中，MISSING语句规定用字符X和I表示缺失值。如果不用MISSING语句，当读入数值变量的缺失值时（这里为X和I），就要产生错误。,Id Foodpr1 Foodpr2 Foodpr3 Coffeem1 Coffeem2 1001 115 45 65 I 78 1002 86 27 55 72 86 1004 93 52 X 76 88 1015 73 35 43 112 108 1027 101 127 39 76 79,其它语句,本节介绍语句LIST, CALL, NULL和ERROR.,LIST语句,LIST语句在SAS日志窗口上列出正被加工处理观测的输入数据行。 LIST语句被执行时，在列出的第一行记录之前，显示一条指示列数的标尺。 语句格式 LIST;,例7.30 用INPUT语句读入可疑数据行时使用LIST语句 data a; input x y; if x0 then list; cards; 2 6 4 2 -1 2 -4 6 ; run;,290 data a; 291 input x y; 292 if x0 then list; 293 cards; RULE: -+-1-+-2-+-3-+-4-+-5-+-6- 296 -1 2 297 -4 6 NOTE: 数据集 WORK.A 有 4 个观测和 2 个变量。 NOTE: “DATA 语句”所用时间（总处理时间）: 实际时间 0.00 秒 CPU 时间 0.00 秒 298 ; 299 run;,LOG显示结果,CALL语句,CALL语句用于调用子程序。 语句格式： Call routine (parameter-1); 选项说明：,例7.32 创建包含DATA信息的宏变量 data a; call symput (text1, march); /*将march赋给宏变量text1 */ call