SAS编程技术数据步修改与选择观测PPT课件

第7章数据步修改与选择观测,清华大学经管学院朱世武ZhushwResdat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dataa;setResDat.class;bysex;n=_N_;error=_error_;first_s=first.sex;last_s=last.sex;procprint;run;x=a+b;/*规定新变量x，它是a和b的和*/t(2)=sum(ofx1-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：,ObsNameSexAgeHeightWeightnerrorfirst_slast_s1AliceF1356.584.010102BarbaraF1365.398.020003CarolF1462.8102.530004JaneF1259.884.540005JanetF1562.5112.550006JoyceF1151.350.560007JudyF1464.390.070008LouiseF1256.377.080009MaryF1566.5112.0900110AlfredM1469.0112.51001011HenryM1463.5102.511000,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dataa;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*/procprint;run;,Obslstknm-1大秦铁,例7.3用LENGTH语句得到正确输出结果dataa;lengthlstknm$12;/*规定变量lstknm的长度为12*/lstknm=深发展;lstknm=大秦铁路;procprint;run;,Obslstknm-1大秦铁路,累加语句,语句格式：Variable+expression;累加语句累加表达式结果。选项说明：,应用准则：累加变量的观测被读入之前，值为0；表达式的计算结果为缺失值时，取0代替；表达式可以使用比较算符；语句A+(-B)中的（+）是必须的，不能写成A-B。,例7.4累加语句等于使用SUM函数和一个RETAIN语句dataa(keep=nameheights_h);setResDat.class;s_h+height;procprint;run;datab(keep=nameheights_h);setfdata.class;s_h=sum(s_h,height,0);retains_h0;run;上面两段程序等价,ObsNameHeights_h1Alice56.556.52Barbara65.3121.83Carol62.8184.64Jane59.8244.45Janet62.5306.96Joyce51.3358.27Judy64.3422.58Louise56.3478.89Mary66.5545.3,应用举例,例7.5表达式SUMX+X*X把X*X的结果加到SUMX上dataa(keep=dateuss);setResDat.Dret(where=(stkcd=000002);uss+Dret*2;/*USS为变量Dret的平方和*/run;例7.6计算非缺失值的观测个数dataa(keep=nmis);setResDat.indcls;nmis+sector=;run;例中，NMIS为变量SECTOR非缺失值的观测个数，即按SECTOR分好类股票的个数。,DELETE语句,DELETE语句停止处理当前观测，该观测值不被读入到创建的数据集，SAS系统返回到DATA步的开头处理其他观测。语句格式：DELETE;,例7.7删除部分观测值datastka;setResDat.lstkinfo;ifStktype=Bthendelete;run;例中，删除数据集RESDAT中Stktype=B的观测值。,例7.8清空数据集dataa;setResDat.lstkinfo;delete;run;例中，删除数据集A中的所有观测值，即清空数据集A。设计复杂程序时，常会用到DELETE语句的这种用法。,LOSTCARD语句,LOSTCARD语句用于重新对准输入数据。当一个观测包含几个数据行，且当前观测缺少其中的一些行时，利用LOSTCARD语句可以防止SAS系统从下一个观测的数据行读数据作为当前观测的一部分。语句格式LOSTCARD;使用LOSTCARD语句时，必须用IF-THEN语句给出丢失数据行的条件。适合使用LOSTCARD语句的情况有：每个观测有固定的输入数据行；同一个观测的每个数据行都有一个同值的识别变量。,例7.9每个数据行都有一个同值的识别变量dataa;inputid1-3reject#2idc1-3pass;ifidneidcthendo;put数据行错误id=idc=;lostcard;end;cards;30132301614323025330283171400928454114641199551;procprint;title2每个观测包含2个数据行;run;,每个观测包含两个数据行Obsidrejectidcpass130132301614322302533028317134114641199551,LOSTCARD语句的执行步骤：,SAS日志上输出一个丢失记录卡信息，一条标尺及创建当前观测所读的数据行;不输出观测到数据集，丢弃开始读入本组的数据行，返回到DATA步开头;试图用该组第二个数据行开始并按INPUT语句规定的行数读数据行来创建观测;当丢失记录行的IF条件仍是真的，SAS重复前三步；对于IF条件不成立的一组数据行，SAS创建一个观测，并增加自动变量_N_的值。,例7.10每个观测包含3个数据行dataa;inputid1x$#2id2y$#3id3z$;ifid1neid2orid2neid3thenlostcard;cards;101A102B102B103C103C103C104D105E105E105E;procprint;title每个观测包含3个数据行;run;,每个观测包含3个数据行Obsid1xid2yid3z1103C103C103C2105E105E105E,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:LOSTCARD.RULE:-+-1-+-2-+-3-+-4-+-5-+-6-+-7-+-8-+-9-+-05101A6102B7102BNOTE:LOSTCARD.8103CNOTE:LOSTCARD.9103CNOTE:LOSTCARD.11104D12105E13105ENOTE: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dataa;setresdat.lstkinfo;if_n_=5thenstop;procprint;/*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。dataa;setresdat.lstkinfo;if_n_=5thenstop;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。dataa;setresdat.lstkinfo;if_n_=5thenabort;run;Log窗口显示：,例7.13ABORT语句防止输入无效数据时出错。datab;inputssnpay;if_error_thenabort;cards;111100aaa200444300;procprint;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WHEREwhere-expression;仅用于WHERE表达式的特殊算符,例7.15BETWEEN-AND算符和ISMISSING|ISNULL算符例句。Wherehstocdbetween600000and600899;Wheretaxesbetweensalary*0.30andsalary*0.50;Wheretaxesnotbetweensalary*0.30andsalary*0.50;Whereidnumismissing;/*计算缺失值数目*/Wherenameisnull；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：LikeD_an;/*选择Dyan*/LikeD_an_;/*没有名子被选上*/LikeD_an_;/*Diana,Diane,Dianna,Dyan*/LikeD_an%;/*上述列表的所有名字*/NotlikeD_an%;/*没有名子被选上*/,SAMEAND算符的形式：WHEREcandition-1;其它SAS语句WHERESAMEANDcondition-2其它SAS语句WEHERESAMEANDcondition-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procgplotdata=ResDat.Idx000001;plotclpr*date=1;whereyear(date)1996;wheresameandyear(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Wherex;Wherexandy;Wherex/y;例7.19选择字符变量非缺失的观测Wherec=;wherecisnotmissing;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Wherexbetween1and5;where1=x=5;,例7.22不能用WHERE语句的情况dataa;setResDat.Idx000001;where_n_100;/*错误语句，必须用if*/run;dataa;setResDat.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dataA;inputID$score1-score3;dropscore1-score3;score=score1;output;score=score2;output;score=score3;output;cards;0212699969402128899088;procprint;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dataAB;setResDat.lstkinfo;ifStktype=AthenoutputAstk;elseifStktype=Bthenoutputbstk;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procsortdata=ResDat.lstkinfoout=lstkinfo;bystktype;dataa;setlstkinfo;bystktype;iffirst.StktypethenNum=0;Num+1;keepstktypenum;iflast.stktypethenoutput;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Missingcharcter1charctern;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dataperiod_a;missingXI;inputId$4.Foodpr1Foodpr2Foodpr3Coffeem1Coffeem2;datalines;10011154565I781002862755728610049352X768810157335431121081027101127397679;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。,IdFoodpr1Foodpr2Foodpr3Coffeem1Coffeem210011154565I781002862755728610049352X768810157335431121081027101127397679,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dataa;inputxy;ifx;PROCSORT中必须使用BY语句，BY语句中可以规定任意多个变量。BY语句中规定多个变量时，SORT过程首先按第一个变量排序，然后是第二个变量等。BY语句中可以规定的选项：DESCENDING对变量按下降次序排序。,应用举例,例15.1按多变量排序。dataa;setResDat.Idx000001;year=year(date);qtr=qtr(date);month=month(date);procsortdata=aout=b;byyearqtrmonth;run;例中，对上证数据Idx000001按年、季和月排序。,例15.2按单变量降序排列。procsortdata=ResDat.a600001out=a;bydescendingclpr;procprintdata=a(obs=3)noobs;vardateclpr;run;例中，按收盘价CLPR的降序排列。,数据集转置,转置就是把数据集的观测变为变量，变量变为观测。利用SAS的转置过程可以对数据集进行转置。,转置过程句法,PROCTRANSPOSE;BYvariable-1variable-n;COPYvariable(s);IDvariable;IDLABELvariable;VARvariable(s);,语句说明：,PROCTRANSPOSE语句,PROCTRANSPOSE;选项说明：,VAR语句和ID语句,VAR语句VARvariable-list;VAR语句列出要转置的变量。没有VAR语句时，则没有列在其它语句里的所有数值变量被转置。,ID语句IDvariable;ID语句规定输入数据集中一个变量。ID变量的值为转置后数据集的变量名。在没有选项LET时，ID变量的值在数据集中只能出现一次，使用BY语句，BY组内只包含最后的ID值。,应用举例,例15.4ID变量的值为转置后数据集的变量名。proctransposedata=ResDat.classout=alet;idname;procprint;run;例中，原数据集CLASS中变量NAME的值为转置后数据集A的变量名，对所有数值变量转置。数据集A中还有一变量_NAME_.,SAS系统12007年03月07日星期五下午09时21分17秒Obs_NAME_AliceBarbaraCarolJaneJanetJoyceJudyLouiseMaryAlfred1Age13.013.014.012.015.011.014.012.015.014.02Height56.565.362.859.862.551.364.356.366.569.03Weight84.098.0102.584.5112.550.590.077.0112.0112.5ObsHenryJamesJeffreyJohnPhilipRobertRonaldThomasWilliam114.012.013.012.01612.01511.015.0263.557.362.559.07264.86757.566.53102.583.084.099.5150128.013385.0112.0,例15.5BY组内最后一个ID值的观测被转置。proctransposedata=ResDat.classout=alet;idsex;procprint;run;结果显示：,proctransposedata=ResDat.classout=alet;idsex;bysex;procprint;run;结果显示：,例15.8对每个BY组转置。optionsnodatepageno=1linesize=80pagesize=40;proctransposedata=ResDat.fishdataout=fishlength(rename=(col1=Measurement);varlength1-length4;bylocationdate;run;procprintdata=fishlengthnoobs;titleFishLengthDataforEachLocationandDate;run;,FishLengthDataforEachLocationandDate1LocationDate_NAME_MeasurementColePond02JUN95Length131ColePond02JUN95Length232ColePond02JUN95Length332ColePond02JUN95Length433ColePond03JUL95Length133ColePond03JUL95Length234ColePond03JUL95Length337ColePond03JUL95Length432ColePond04AUG95Length129,输出窗口显示,例15.10对转置后的数据集作统计分析。,optionsnodatepageno=1linesize=80pagesize=40;datasplit;setResDat.weights;arrays7s1-s7;subject+1;doTime=1to7;strength=stime;output;end;drops1-s7;run;procprintdata=split(obs=15)noobs;titleSplitDataSet;title2First15ObservationsOnly;run;,/*接左侧*/proctransposedata=splitout=totsplitprefix=Str;byprogramsubject;copytimestrength;varstrength;run;procprintdata=totsplit(obs=15)noobs;titleTotsplitDataSet;title2First15ObservationsOnly;run;,改变输出地点,缺省情况下，SAS过程输出到OUTPUT窗口，SAS日志输出到LOG窗口。利用SAS的PRINTTO过程可以设定SAS过程和日志的输出地点。PRINTTO过程有以下功能：改变过程输出的目的地；改变SAS日志输出的目的地；有选择地限制SAS输出；将输出结果存放在永久文件中；将输出直接送到打印机上；将SAS的输出作为输入数据（这时需要一些附加的程序语句）。,PRINTTO过程句法,PROCPRINTTO;选项说明注意：一般情况下，PROCPRINTTO后面一定要加RUN语句。若省略RUN语句，则会丢失PRINTTO后面DATA步或PROC步第一行的输出。,应用举例,例15.11将SAS日志输出到外部永久文件。procprinttolog=d:log.dat;/*直接输出到永久文件中*/filenamef1d:out.txt;procprinttolog=f1;/*输出到文件标记*/例15.12将运行结果输出到外部永久文件。filen