SAS培训班讲义Word版(与PPT版内容相同,方便打印使用).doc

Made by Daibingchuan and lihui 课程名称： 数据处理数据类型a. 横截面数据集（cross-sectional data set):即给定时点对个人、家庭、企业、国家或一系列其他单位采集的样本所构成的数据集（应该忽略细小的时间差别）名词术语1、数据集：数据的集合，由样本（行）和变量（列）组成b.时间序列数据集（time series data set）：是由一个或几个变量在不同时间的观测值所构成的。c.混合横截面数据集（pooled cross section data set):有些数据既有横截面数据的特点又有时间序列的特点，但每一时点的样本不同。d.综列数据集（panel data set):由横截面数据集中每个样本的一个时间序列组成。（定点长期调查）其他专门数据类型： 1、离散数据（discrete data）:通常在考察个人、家庭或企业的决策行为时，通过问卷调查获得，由此发展出“离散选择模型”2、持续数据（survival data):用于考察变量从开始到结束或调查终止前所经过的时间长度，如失业持续时间、罢工持续时间、甚至怀孕间隔3、cohort(一代人) data - 为持续收集特定社会群体在一段时间内的变化的数据。如：调查七十年代出生的样本在10年间的汽车持有率数据或就业率数据等。SAS工作空间n程序窗口（PROGRAM EDITOR）n运行记录窗口（LOG）n输出窗口（OUTPUT）SAS程序第一例nSAS/HelloWorld.sasnn注：以后程序文件省略后缀，直接简记为文件名称，如此例简记为HelloWorld，需要说明文件类型时才标明后缀。SAS程序的书写格式n1、SAS程序由语句组成，语句用分号结束。n2、SAS语句可以从某一行的任意位置开始； n3、几个SAS语句可以写在同一行上，但每句要使用分号n4、一个语句也可以写成几行，只要语句中的单词不被断开就可以。在一个语句中各个单词之间至少要有一个空格。n5、SAS程序中一般不区分大小写（字符串中要区分大小写）n6、用/*注释的内容*/来对程序进行注释SAS程序的结构nSAS数据集样本（观测、记录）、变量（字段、域）、表（数据集）、 数据库n许多SAS语句都是以关键词开始并用它识别语句的类型(如data、input、proc)n绝大部分的SAS语句都可分为两步：DATA步和PROC步SAS的变量及格式变量属性(名称、类型、长度、输入格式、输出格式、标签)类型：数字型、字符串型输入格式：数据被SAS读取的格式输出格式：数据呈现给人们的格式SAS程序第二例nSAS/orange.sasdata oranges; input variety $ flavor texture looks; total=flavor+texture+looks; label total=总数; cards;navel 9 8 6temple 7 7 7valencia 8 9 9mandarin 5 7 8;proc sort data=oranges; by descending total; run;proc print data=oranges; var _numeric_; /* var _character_;*/ title 对ORANGES数据集的品尝结果;run;输入数据-形成数据集-排序-打印显示SAS文件及命名n1、SAS数据集文件（后缀为sas7bdat)n2、SAS程序文件(后缀为sas)n3、SAS日志文件(后缀为log)n4、SAS输出文件(后缀为list)n临时数据集和永久数据集SAS文件的2级命名方式：目录.文件名work目录和其他目录使用Libname语句创建永久数据集，libname 自建目录名 目录地址;libname例libname zhao d:sas;data zhao.aa; input a ;cards; 1;run;建立SAS数据集的5种方法1.date己输入数据建立。Orange例2、data步利用set 语句建立。Set例data abc; set sasuser.business;run;proc print;run;3、从外部调入。Infile例data abcd; infile D:SASdataxxxx.dat; input a b c;run;proc print;run;4、利用“导入数据”功能建立。Id.xls例5、利用EFI（external file interface）功能导入。Column.dat例tests.dat例comma.dat例SAS运算符（operator例）n算术运算符：* / *n比较算符：=(EQ) =(NE) (GT) =(GE) (最小值) (最大值) |（！）(连接)字符的比较(operator_char例)n1、按机器使用的字符排列次序(ASC)从左到右被比较。n2、两个不等长的字符串被比较时，系统在较短的字符串后自动添上空格n3、在比较符后加冒号，则只比较首字母运算次序一n在括弧里的表达式先计算n第一级：* （）前缀 n第二级：* /n第三级：n第四级：|n第五级：其余比较算符n第六级：第七级：运算次序二n对于相同优先级的算符，左边的运算先做。但有两个例外：n1.对最高优先级，右边的运算先做n2.当两个比较算符围着一个量时，这个表达式看成是有一个and 出现一样被计算。如：12age 20，等价于：12age & age20 SAS函数一(部分)n数学函数：abs()、max ()、min ()、mod (x, y)、sign (x)、sqrt (x)、 sum ()、 mean ()、exp (x) 、log (x)、log10 (x)、log2(x) 、sin (x)、arsin (x)n截取函数：ceil (x)、floor (x)、int (x)、round (x，n)n字符函数：index (S, S1)、substr (s , p, n)、scan()、upcase()、compress()例nSAS系统存贮日期值为1960年1月1日到指定日期之间的天数nSAS存贮时间值为从午夜开始到指定时间的秒数n日期时间值存贮为1960年1月1日午夜到指定日期时间之间的秒数n日期时间函数：weekday ( )、day()、month()、qtr()、year()nYearcutoff 选项规定两位数的年份含义n概率统计函数：probnorm (x)、n (of X1-Xn)、nmiss ()、var (of x1-xn)、std (of x1-xn)n随机数函数：rannor (seed)、ranuni (seed)nFunctions例data bbb; input x1-x5 x6 $ date yymmdd15.; /*format date yymmdd10.;*/ format date weekdate12.; x7=o; x8=I am a student; /*以下是数学函数*/ a1=max(x1,x2); a2=sum(x1,x2); a3=sign(x3); a4=sqrt(x5); a5=mean(x1,x2); /*以下是截取函数 */ b1=floor(a5); /*以下是字符函数*/ c1=index(x6,x7); c2=substr(x6,3,3); c3=scan(x8,2); c4=upcase(x8); c5=compress(x6,x7); /*以下是时间函数*/ d1=weekday(date); d2=year(date); d3=qtr(date); /*以下是概率函数*/ e1=probnorm(0); e2=n(of x1-x5); e3=nmiss(of x1-x5); e4=var(x1,x2); e5=std(x1,x2); /*以下是随机函数*/ f1=ranuni(1); cards;1 2 3 5 -6 amazon 2004/9/223 5 0 8 0 box 1960/1/29 10 -7 9 4 check 1960/1/17 6 . 1 8 delete 1959/12/31-2.5 -2.3 3 1 2 desk 2005/9/29 ;run;proc print;run;SAS/Insight模块 1、界面介绍2、Fill values 功能3、Extract 功能4、Edit/windows/tool菜单使数据探索色彩缤纷(注意选项设置)5、打开分布的窗口之后主菜单Tables、Graphs、Curves菜单才被开放。Business, Air数据集示例n其他功能：1、分布(输出大多数常用的统计量）2、拟合(回归分析）3、多元(方差分析)DATA步n文件操作语句n运行语句n控制语句n信息语句DATA步流程nDATA语句标志了数据步开始，并指定了数据步结束时要生成的数据集名字。n每次读入一行数据，读入后执行数据步中的其它语句，循环数据步读取整个数据。n_N_变量表示DATA步已经执行的次数n_error_变量值为1时表示程序出错nFlow例data flow; /*put x= y= z= _n_;*/ input x y; z=x+y; put x= y= z=; put _n_= _error_=; cards;10 20100 2001000 2000;run;DATA步流程（Flow1例）n读外部数据时，数据步迭代(即每一次)的开始把变量的值置为缺失值，有几种情况例外：1、retain语句提到的变量2、sum语句中创建的变量3、数组_temporary_中的数据元4、file和infile语句选项中创建的变量5、自动变量n读sas数据集时，只在第一次迭代时把变量值置为缺失，以后变量保留其值直至新值写入nDATA语句的选项DROP选项(不列出某些变量)KEEP选项(列出某些变量)LABEL选项(给数据集加标签)RENAME选项(重命名变量)nData例data new1(drop=z); set flow;run;data new2(keep=x); set flow;run;data new3(label=the new3 dataset); set flow;run;data new4(rename=(x=xx y=yy); set flow;run;proc print data=new1;run;proc print data=new2;run;DATA语句n数据集名字：(data2例)data _data_; set flow;run;data _null_; set flow; u=x+y+z; put u;run;/*data _last_; set flow;t=x+y;run;*/proc print;run;1、data语句后无数据集名字，则自动生成 data1, data2等为数据集名字，相当于data _data_;2、data _null_;不产生实际的数据集，只是把内容暂存于内存，以供put语句等读取结果，可以节约计算机资源3、data _last_;以最近产生的数据集命名并取代其内容。Input语句n分组格式：input (g1-g5) (3*7.2 , 2*5.2); input (a b) ( $5.)input (a b) ($ , 5.)n无需分行而按变量连贯读数据n固定该数据行；用于需要多个input语句同时读取一行数据。input例data; input x ; cards; 1 2 3 4 ; run; proc print; run;Input例data ; input type $ ; if type=c then input course $ prof $; else if type=s then input name $ id 3.2; cards; c math zxs s zhao 58888 ; proc print; run;n利用n +n #n 进行指针控制input1例data; input 1 x 5.2 6 y 2.1 +2 z #2 xx; cards;12345678912345234;proc print;run;n几个特殊符号的用法（: & ): 读值时第一次遇到分隔符、或是数据行末尾、或是读满列数而结束 字符型输入值可以嵌有一个或几个空格 字符型输入值保留引号（与infile 语句中选项dsd一起使用才有效）nInput2例data topics9; infile datalines dsd; input speaker :$15. title $40. location & $10.; datalines; Whitfield,Looking at Lift,Blue Room Puentes,Life After the Revolution,Red Room Townsend,Peace in Our Times,Green Room ; proc print ; run;Cards语句nCards语句与datalines语句可以通用n如果输入数据中含有分号，可用cards4语句或datalines4语句，同时，数据结尾用4个分号表示数据输入结束nCards4例data; input number citation $50.; cards4;1 Berry2 LIN ET AL., 1995; BRADY, 19933 BERG, 1990; ROA, 1994; WILLIAMS, 1992;run;proc print;run;Put 语句nPut语句负责在log窗口输出一些结果，file print选项可把输出转移到output窗口nPut _infile_ (输出最新的数据行到SAS log 窗口）nPut _all_ (输出所有变量的值）nPut _page_ （输出新页）nPut例data; /*file print;*/ /* change the output window*/ put 1230*SAS学习 ; run; proc print ; run;put1例data put; input x y; z=x+y; put _infile_; /*put _all_;*/ put _n_=; cards;10 20100 2001000 2000;run;File 语句nFile print 把put语句产生的输出结果转移到output窗口nPut例data; /*file print;*/ /* change the output window*/ put 1230*SAS学习; run; proc print ; run;By 语句n在DATA步中，SAS系统对每个BY组创建两个临时变量：First .variableLast .variable它们用来区别每个BY组的第一个和最后一个观测nBy例data by; input state $ city $ month x;cards;nc a 1 3.02nc a 2 2.1nc a 3 4.03nc b 1 5.03nc b 2 6.3nc b 3 7.3va c 1 8.1va c 2 8.2va c 3 9.3va d 1 10.8va d 2 11.1va d 3 31.2;run;data by1; set by;by state;file print;if x=8.1 then put _all_;run;/*data by2; set by; by state city month; file print; if x=8.1 then put _all_;run;SAS的模块Analyst模块n具有其他菜单操作软件的大部分数据处理功能n表的编辑模式（Browse | Edit)n浏览和存贮程序代码功能（work.by数据的按组汇总）Set语句n使用set语句复制数据集nPoint选项指明要读入的记录序号set 数据集 point=指针变量;可用于抽样，一般与output语句连用nNobs选项创建一个临时变量用来存储数据集的观测总数n见set例data abc; set sasuser.business;run;proc print;run;point例data zxs; do n=2 to total; set sasuser.flow point=n nobs=total; /*if _error_=1 then abort;*/ output; end; stop; run;PROC PRINT data=zxs;RUN;nSet语句可以串接多个数据集，形式如下nData 数据集; set 数据集A 数据集B ; Run;nRename选项负责改名；in选项产生变量负责记录观测来自该数据集；n见set2例data a; input id ming $ sex $ ; cards; 1 MARY F 3 ANN F 4 TOM M ;data b; input id name $ sex $ ; cards; 2 JOSE F 5 ERIE M 6 MAY F 1 MARY M; data result; set a(rename=(ming=name) b(in=inb); *by id; if inb=1 then bonus=100;run;proc print; title串接数据集;run;串接数据的三种形式：1、相同变量的数据集连接2、不同变量的数据集连接3、按顺序连接数据集，即连接数据集后，再按某变量的值进行排序，这种情况不允许排序变量有重复的值。Merge语句n使用Merge语句并接多个数据集，形式如下nData 数据集；merge 数据集1 数据集2 ;by 变量;run;n见merge例data person; input name $ sex $; cards;MARY FANN FTOM M ;data place; input name $ city $ region; cards;MARY MIAMI 2ANN TAMPA 6JOSE ERIE 5MARY TAMPA 7; /*proc sort data=person; by name;proc sort data=place; by name;*/data result; merge person place; *by name;proc print; titleDATA SET RESULT;run;并接数据的两种形式：1、没有BY语句的合并 (横连)2、带有BY语句的合并 (允许排序变量有重复的值)Update 语句nUpdate语句用一个升级数据集中的观测来修改一个主数据集。nUpdate语句一定要与BY语句一起使用，BY语句给出了合并观测时共同变量的名字n主数据集中的共同变量必须是单值的，即不能有两个或两个以上的观测其共同变量值相同nUpdate例data a; input id name $ sex $; cards; 1 zxs m 2 zjy m 3 zm f;data b ; input id name $ sex $ sales; cards; 1 zxs f 34;data c; update a b; by id ;run;proc print;run;Infile语句nDelimiter (DLM)选项：规定一个字符替代空格作为分隔符。nFirstobs选项 ：不是从文件的第一个记录开始，而是从指定行开始读取记录nObs选项：规定用户想从输入文件中连续读取的最后一个记录号nInfile(dlm)例data new1; infile cards delimiter=,; input x y z; cards;1,2,34,5,6;data new2; infile cards dlm=ab;input x y z;cards;1aa2ab34bb5ba67a8b9;run;proc print data=new1;run;proc print data=new2;run; Infile(obs)例data abc; infile D:SASdata数据处理column.dat firstobs=2 obs=3; input a $9.;run;proc print;run;Infile语句nDSD选项：1、使最外层引号括起的内容当成整个字符串输入，并去除最外层引号2、默认分隔符为逗号3、两个相邻的分隔符意味着前一个分隔符后的字段为缺失值nInfile(dsd)例 (回顾input2例)data; infile cards dsd; input x:$15. y; cards;im a student,;run;proc print;run; Infile语句n当行末尾数据宽度少于规定宽度时Flowover: 默认选项，将下一条记录读入Missover：将变量置为缺失Truncover:将数据直接读入，不管宽度是否少于规定宽度Stopover:系统终止数据步执行，报告出错nLrecl=n选项：设定源数据文件行的物理长度，缺省为256，最大可设为32767nPad | Nopad选项：pad选项指当宽度少于规定宽度时，在后面填充空格至Lrecl=n规定的行长度，缺省为nopadnMissover例data;infile D:SASdata数据处理missover.dat;/*flowover missover truncover stopover pad*/input x 5.;run;proc print;run;调查数据处理的多选题案例n利用infile语句的missover选项和pad选项处理N6007.dat。n题目：您常用的电器有：（灯、电饭煲、厨灶、电视、收音机、立体音响、冰箱、电熨斗、电扇、电暖气、空调、水泵、热水器、电脑、微波炉、排油烟机）运行(算)语句赋值语句和累加语句n赋值Variable = expression例：x=a + b;n累加 Variable + expression例：if x=5 then n+1;例：n+(-1)n累加语句中的变量必须是数值型变量，初始值为0Delete和lostcard语句nDelete语句告诉SAS系统停止处理当前的观测，并且返回到这个Data步的开头处理其他观测n当SAS系统遇到用几个记录表示一个观测的时候，数据中有丢失记录时，使用Lostcard语句来重新对准输入数据ndelete例data jn; input a b c; file print; put _n_; if a3 then delete; *put _n_; *total=a+b; cards;1 2 33 3 25 3 13 3 3;proc print;run;lostcard例data ins;input id 1-3 reject 8-10 #2 idc 1-3 pass;if id ne idc then lostcard; /*如果是delete语句，则input语句对应的两条记录同时删除*/cards;301 32301 61432302 53302 83171400 92845411 46411 99551;proc print; title 每个观测包括两个数据行;run;Stop和abort语句n用stop语句来停止处理data步，正被处理的那个观测没有添加到SAS数据集中，stop语句不影响后面的任意data步或proc步的执行n用abort语句来中止SAS系统执行当前DATA步，return选项关闭SAS并返回操作系统。nStop与abort的区别在于abort语句置_error_变量为1nAbort例data check; input ssn 1-3 pay; if ssn=222 then abort return;/*abort return;stop*/ put _all_; cards;111 100222 200444 300 ; data a; input b; cards; 12345 ; proc print data=a; run;Where 语句n从已存在的SAS数据集选择子集，在把观测读入之前规定数据必须满足一个条件nWhere 语句与if语句相比在读取数据时更为高效，因其在移动所有观测到子集之前先选择数据。nWhere语句丰富的表达式nwhere例data sasuser.business;input employs industry $;cards;20 Food50 Food61 Elec62 Elec. oil80 oil63 oil;run;data aa; set sasuser.business; *where employs50; *where industry=Food; *where employs between 50 and 70; *where employs in (61,62); *where employs is missing; *where industry ? Ele; /* ? means contains*/ where industry like %i%; /* % can substitute many char*/ *where industry like O_l; /* _ can substitute one char*/run;proc print;run;Output语句nDATA步的每次迭代，后台自动使用output语句，但如果程序中主动加上output语句，即相当于取消自动output语句，变成在条件符合时输出。noutput例data;input a b;if a=1 then output;put _n_;cards;2 31 52 41 6;run;proc print;run;n用到output语句其他情况：output1例 data year81 year82 year83; input year x1-x2; if year=1981 then output year81; else if year=1982 then output year82; else if year=1983 then output year83; cards;1981 1 21982 2 31983 3 4;run;proc print;run;quit;output 2例data repeat; infile cards; input subject $ meal1-meal3; drop meal1-meal3; mea=meal1;output;/*把meal1的值赋给mea*/ mea=meal2;output; mea=meal3;output; cards;a 2 5 4b 3 6 2;proc print;run;output 3例data pay; input area amount;cards;111 100111 25333 160333 80777 142.66;proc sort data=pay; by area;data subtotal; set pay; by area; if first.area then total=0; total+amount; drop amount; if last.area then output;run;proc print;run;1.从一个输入的数据文件中，创建几个SAS数据集2.从输入的每个数据行中，创建二个或更多个观测3.把几个输入观测组合并成为一个观测n后面接名字表示输出到指定数据集，但名字必须也在DATA后出现Call语句n调用其他子程序call routine (parameter-1 ) 如SAS提供一系列随机数子程序n发布操作系统命令call system (command) nCall例data a; seed1=161321804;/*赋予随机数种子初始值*/ seed2=135279821; do i=1 to 5; x1=ranuni(seed1); x2=ranuni(seed2); output; end;proc print; title 使用随机函数;run;data b; seed3=161321804; seed4=135279821; do i=1 to 5; call ranuni(seed3,x3);/*seed3存放种子值 x3为随机数变量名*/ call ranuni(seed4,x4); output; end;proc print; title 调用随机数子程序，产生2个随机数流，并能观测到当前随机数种子值;run;Call_system例data _null_; call system(dir *.*);run;控制语句Do语句(循环语句)nDO语句规定，在DO后面直到出现END语句之前的这些语句作为一个单元被执行。n简单DO语句，常用在if-then/else语句里n循环DO语句，用下标变量规定重复次数do i=1 to 10;do i=1 to exit;do i=2 to 8 by 2;nDo_simple例data do; input x ; file print; if x5 then do; y=x*10; put x= y=; end; cards;167;proc print;run;do例data a; input x ; do class=1 to 4; y=4*x; output; end; cards; 11 22 33 44 55 66 ; run;proc print;run; do_exit例data iteratel; input x ; exit=10; do i=1 to exit; seed=1; call ranuni(seed,y); z=x*y;if z25 then i=exit;output; end;cards;5 1000 2500;proc print;run;Do while语句n当条件成立时重复执行Do组里的语句Do while (expression);n括号里的表达式在Do组里的语句被执行前在循环的开头被计算。如果表达式是真的，Do组被执行nDo while例data while; n=0; do while (n=4); file print; put n=;n+1; end;run;Select语句n允许SAS去执行几个语句或者语句组中的一个。n当一个特殊条件为真时，执行对应when语句，如果所有when条件均不成立，选择执行otherwise语句，用end结束nSelect(when)例data old; input grade $ ; cards;A B1 B2 B3 C D;run;data new; set old ; x=1000; select(grade); when(A) salary=x*1.5; when(B1,B2,B3) salary=x*1.3; when(C) salary=x*1.1; otherwise salary=x;end;run;PROC PRINT;RUN;If语句n1.形如：IF expression THEN statement; ELSE statement;2.形如：IF variable例：if x then y=x;当变量x的值为0和缺失之外的任意值时表达式均为真nIf_else例data;input x ;if x=1 then y=x;else if 2=x=4 then y=x*10;else if 5=x=7 then y=x*100;else y=x*1000;cards;1 2 3 4 5 6 7 8;proc print;run;If_x例data aa; input x ; if x then y=x; cards;1 0 . 4;run;proc print;run;Return语句n告诉SAS系统在data步当前这个位置上停止执行语句并在继续执行之前返回到一个预定的位置（通常是data步开头)n当return语句使得SAS返回到data步开头时，SAS首先输出当前观测到新数据集中。n每个data步都有一个隐含的return语句作为最后一个可执行的语句nReturn例data survey; input x y z; if x=y then return; x=y+z ; a=x*2; cards;1 1 32 3 3;proc print;run;Go to语句n告诉SAS系统立即转到Go to语句所指示的那个语句，并从那个语句开始执行后面的语句。n形如：GO TO label;label规定语句标号来指示Go to的目标，它必须与go to语句在同一个data步nReturn选项规定返回而不执行下面语句nGo to例data info; input x ; file print; if 1=x=5 then goto ok; put x;/*不是属于if的执行*/ count+1;/*不是属于if的执行*/ *return; ok:y+x;/*这句一直要执行*/ cards; 7 2 16 5 323 1 11 ;proc print;run;Link语句n形如link label;n立即转到由label语句指示的位置，并从那里开始继续执行语句直到一个return语句被执行。n与goto语句的区别是：标签内的return语句让SAS立即返回到link语句后面的那个语句并从那里继续执行nLink例data; input type $ wd station $ ;elev=.;if type=ALUV then link calcu;year=1985;return;calcu: if station=SITE_1 then elev=6650-wd;if station=SITE_2 then elev=5500-wd;return;cards;ALUV 523 SITE_1UPPA 234 SITE_2ALUY 666 SITE_2;proc print;run;Continue和leave语句nContinue语句使得某个do循环中当前这次循环过程停止进行，并继续进行下一次循环过程。nLeave语句停止当前整个do组循环或select组的处理过程，并用跟在do组或select组后面的下一个语句继续执行data步nContinue例data zzz; *drop i;do i=1 to 5; input name $ idno status $; if status=PT then continue ; input benefits $10.; output;end;cards;Jones 9011 PTT