同济医学院-《SAS》课件-数据步

SAS数据集,1,蒋红卫Email:JHWCCC21CN.COM,SAS应用,一、SAS数据集的概念和结构,SAS是处理数据的软件，SAS处理的数据必须以数据集的形式出现。数据集是指使用SAS系统产生的一类具有特殊结构的文件，此类文件是数据的特殊组织形式。“SASdatasets-SAS数据集”SAS所能做的任何工作都离不开SAS数据集，所以可以这样说，SAS数据集是SAS系统的“心脏”。,2,数据步功能：,1将输入数据转化为SAS数据集；2编辑数据集中的数据，检查和修改数据中的错误，计算新变量等；3根据用户要求的格式打印数据，或将数据写入磁盘文件；4从已有的数据集中通过取子集、合并、更新等方法产生新的数据集。,3,第一节SAS数据集的建立,4,1SAS数据集的名称,在建立数据集时，你必须给它命名。SAS数据集的名字可以有1-8个字符，必须以字母或下划线开始，后面跟英文字母、数字或下划线，中间不能有空格。下面这些均是合法的SAS数据集名：SALES_TAXES_88FILESQUARTER_1,5,SAS数据集组成要素,1数据值数据值是构成SAS数据集的基本单元，数据值分为数值型数据、字符型数据和日期型数据三种类型。2观测值描述一个观察单位（如一个人，一个地区，一年）特征的一系列数据值称为观测值。3变量具有相同特征的数据值的集合组成了变量。4数据集数据集是由若干个观测值组成的集合。,6,SAS数据集的结构,OBSNAMESEXSIS2S31WANGBOM7978922HEWEIM9669873YANJINF9887934MALIVF8885905HAVHUIM7393896ZHOUBINM9687897LIMINF8793908SUNYIF798876,7,2SAS数据集分为两种,临时数据集temporarySASdatasets永久数据集permanentSASdatasets所谓临时数据集，是指本次SAS作业（SASsession）中临时建立并只在本次SAS作业中有效的临时性的数据集，退出SAS，临时数据集即消失。所谓永久数据集是存贮在外部存贮介质（硬盘、软盘等）上的数据集，不删除可以长久存在，反复使用。,8,SAS数据集临时数据集,Dataaa;Inputidx1x2x3$;Cards;15345m214537f315040m;Procprint;Run;,SAS数据集永久数据集,Libnamemd:gw;Datam.aa;Inputidx1x2x3$;Cards;115345m214537f315040m;Run;,SAS数据集调用永久数据集,libnamemd:gw;run;/*建永久数据集*/databb;setm.aa;/*调用永久数据集*/procprint;run;,3一点说明,建立或调用一个永久数据集，必须使用两级名规则。第一级名又叫库逻辑名（libref），用来表示数据集的目录路径；第二级名是数据集名（filename），用来区别其它的数据集。一级名与二级名用“.”分开，例如：在以CLINIC为逻辑名的目录路径下有一永久数据集ADMIT，调用此数据集时，要用两级名，CLINIC.ADMITlibreffilename,12,SAS系统给每个临时数据集自动给予一个叫“work”的一级名，但在引用临时数据集时，不用加“work”字样（生成临时数据集时，在LOG窗口可以看到临时数据集的全称）。故在实际应用中，使用单名的数据集都是临时数据集，使用两级名的数据集则是永久数据集。,13,二、建立SAS数据集,14,SAS语句的书写规则：1.以SAS关键词（SASkeyword）开头，关键词可以大写字母可以小写；2.以分号（semicolon）结尾；3.可以从任意行或列开始或结束；4.一条语句可以连续写多行；5.多条语句可以在同一行；6.字与字间（words）用空格分隔；7.程序的最后要有“run”语句；,DATACLASS；INPUTNAME$SEX$S1S2S2；CARDS；WANGBOM797892HEWEIM966987；RUN；,1临时数据集的建立,（1）程序的基本结构：DATA语句；INPUT语句；用于数据步的其它语句CARDS；若干数据行；RUN；,15,A直接通过键盘输入数据,16,OBSNAMESEXSIS2S31WANGBOM7978922HEWEIM9669873YANJINF9887934MALIVF8885905HAVHUIM7393896ZHOUBINM9687897LIMINF8793908SUNYIF798876,例,17,DATACLASS；INPUTNAME$SEX$S1S2S2；CARDS；WANGBOM797892HEWEIM966987YANJINF988793MALINF888590HANHUIM739389ZHOUBINM968789LIMINF879390SUNYIF798876；RUN；,（1）DATA语句,语句格式：DATA数据集名表选择项；,18,DATA语句的作用是表明数据步的开始，并给出所建数据集的名称。数据集名必须以英文字母开始，最长不超过8个字符。数据集名可以是一个或者多个。DATA语句中，如果不给出数据集名，则SAS系统自动以DATA1、DATA2等依次命名所建立的数据集。,DATAclass；,（2）INPUT语句,19,功能：读取CARDS语句后的数据，或从外部数据文件读数据，并将读入的数据赋给“INPUT”后相应的变量；变量说明主要有以下三种格式：自由格式列输入格式格式化输入,格式：INPUT变量说明；,INPUTNAME$SEX$S1S2S3；,1）自由输入格式是最简单的数据输入方法，它只需要在INPUT语句中按顺序列变量名，而不必了解输入记录中数据占有哪些列。语句格式：INPUT变量名$；INPUTNAME$SEX$S1S2S2；注意：INPUT语句中列出的变量的顺序与相应的输入数据的顺序必须一致，$指明左边的变量为字符型变量。使用列表输入数据必须通过空格分隔。字符型数据的长度缺省值是8个字节，如果超过8位可使用LENGTH、ATTRIB、INFORMAT语句重新定义字符串的宽度。,20,列表输入格式举例,DATACLASS；INPUTNAME$SEX$S1S2S2；CARDS；WANGBOM797892HEWEIM966987YANJINF988793MALINF888590HANHUIM739389ZHOUBINM968789LIMINF879390SUNYIF798876RUN；,21,2）列输入格式在INPUT语句变量名后须指出相应的变量值所处的列号范围。语句格式：INPUT变量名$开始列-终止列；开始列指明该变量要读取的数据的起始列号终止列指明该变量要读取的数据的终止列号例如：INPUTNAME$1-8S112-13；该语句从每个输入数据行的第1列至第8列读取字符型变量NAME的值，从第12列至第13列读取数值型变量S1的值。,22,列输入的特点：适用于所有输入行中的同一变量值位于相同的列时；输入值可以任何顺序读入，无须考虑它们在输入记录中的位置；例如：INPUTS112-13NAME$1-8；字符型数据可包含空格；字符型数据可以最多到200个字符长；可读取全部或部分数值。例如：INPUTID10-15GROUP13；第10至15列为ID的值，ID的第4个数字即第13列又是GROOP的值。,23,列输入格式举例,DATACLASS；INPUTNAME$1-8SEX$10S112-13S215-16S218-19；CARDS；WANGBOM797892HEWEIM966987YANJINF988793MALINF888590HANHUIM739389ZHOUBINM968789LIMINF879390SUNYIF798876RUN；,24,3）格式化输入在INPUT语句变量后给出一个输入格式，用来说明变量类型和字段的宽度。语句格式：INPUT变量名$SAS输入格式；上面的SAS输入格式包括一个园点（.）或以（.）结尾。如6.2，$10.，MMDDyy8.等。格式化输入特别适用于读入日期型变量，由于日期表示方法多种多样，有用MMDDYY形式表示，如031598或03/15/98或03-15-98；也有用DDMMYY形式表示如12JAN97等，为能读入这些日期型数据，在SAS系统中设计了许多输入格式。,25,格式化输入举例（1）,DATAINFO；INPUTNAME$BIRTHDAYMMDDYY8.HEIGHT5.2；CARDS；WANGBO02-21-80175HEWEI07/08/79178YANJIN12/16/81160MALIN030781166RUN；,26,注意：格式化输入时，每读完一个数值，数据指针移至该数值后的第一列，接着读下一个数。当数据之间以空格符分隔时，变量宽度的设置应包含数值的宽度和空格分隔符。如果格式给出的长度不足，则会出现截尾。数据输出时，一般要用相应的格式。当多个变量排列在一起，它们都有相同的长度和类型，用分组格式列表法可简化输入。如X1、X2X10等10个字符型变量的值紧挨在一起，每个变量长度为3，则可用如下语句读入INPUT（X1-X10）（$3）；,27,格式化输入举例,DATACLASS3;INPUTDATEYYMMDD10.(X1-X5)(3.);CARDS;1995-05-2020503025101996-07-032140502081996-12-0319202510151997-01-151851423020RUN;,28,用打印过程（procprint;run;）将其输出在OUTPUT窗口:OBSDATEX1X2X3X4X5112923205030251021333321405020831348619202510154135291851423020,29,SAS是用1960年1月1日到变量所表示日期之间的天数来存储日期的。上例12923表示1995年5月20日距1960年1月1日12923天。如果要求某变量以某种格式输出，需要借助SAS输出格式。PROCPRINT;FORMATDATEYYMMDD10.;RUN;PROCPRINT;FORMATDATEDATE7.;RUN;,30,OBSDATEX1X2X3X4X511995-05-20205030251021996-07-0321405020831996-12-03192025101541997-01-151851423020,31,OBSDATEX1X2X3X4X5120MAY952050302510203JUL96214050208303DEC961920251015415JAN971851423020,32,（3）CARDS语句格式：CARDS；功能：表明数据行的开始与数据步的结束。（4）RUN语句格式：RUN;功能：命令计算机执行刚发送的SAS程序。,33,（5）行保持符“”用法。,DATAB；INPUTXY；CARDS；23.1612.923.7111.0022.3312.21RUN；OBSXy123.1612.9223.7111.0322.3312.21,34,双符和单符号的区别双符号表示读取完一个input语句中所有变量对应的一组观察值后不换行，连续读取所有变量对应的另一组观察值，直到全部数据读完为止。单符号表示读取完第一个input语句中所有变量对应的观察值后不换行，接着读取下一个input语句中所有变量对应的观察值，直到完成一个数据步中的所有input语句后再换行读取下一列的数据。行保持符号缺省表示读取完一个input语句中所有变量对应的观察值后就换行读取下一行数据。当一个数据步仅含有一个input语句时，行保持符号缺省和单符号起的作用相同,35,2从外部数据文件读入数据,建立SAS数据集，除了直接从键盘输入数据外，还可以利用已有的外部数据文件，将其转化为SAS数据集。但这里要求外部数据文件必须是ASC码文本文件。,36,DATA数据集名；INFILE外部数据文件名；INPUT变量说明；RUN；其中，INFILE语句是指明从哪一个文件读入数据（用单引号将文件名括起来）。,37,DATACLASS；INFILEc：FIT.TXT；INPUTageSEX$heightbirth；RUN；,12f1.251980120213m1.351979101211m1.111981111116f1.421976043013f1.5619790101,格式：FILENAME数据文件逻辑名外部文件全名；DATASAS数据集名；INFILE数据文件逻辑名；INPUT变量说明；,38,文本文件test1.dat,，test2.dat和test3.dat保存在d:test子目录中datad1;infiled:testtest1.dat;inputagesex$heightbirthdayyymmdd8.;run;Filenameaad:testtest1.dat;datad1;infileaa;inputagesex$heightbirthdayyymmdd8.;run;datad2;infiled:testtest2.datmissover;inputage2.sex$1.height4.2birthdayyymmdd8.;run;datad3;infiled:testtest3.dat;inputagesex$heightbirthdayyymmdd8.;run;,39,3数据来自已建立的SAS数据集,利用SET语句，可以从一已存在的数据集中选出全部或部分数据组成新的数据集，或对数据作某种处理后写入新的数据集。格式：DATA新数据集名；SET原始数据集名；其它语句；RUN；,40,4.把其它系统的数据库转变成SAS数据,Excel数据，dBASE数据，Lotus数据等启动SAS系统，进入SAS主窗口；File中选择Import，进入ImportWizard-Selectimporttype窗口；在ImportWizard-Selectimporttype窗口的文件格式选择框中选择“Execl5or7Spreatsheet（*.xls）”，然后点击“Next”，进入ImportWizard-Selectfile窗口；在ImportWizard-Selectfile窗口上点击“Browse”，进入“打开”窗口；,41,在“打开”窗口的“搜寻”框中选择文件abc.xls所在的目录D:和D:中的文件包test，然后在test文件包中选择文件abc.xls，当abc.xls出现在“文件名”框中时，点击“打开”，返回到ImportWizard-Selectfile窗口；在ImportWizard-Selectfile窗口上点击“Next”，进入ImportWizard-Selectlibraryandmember窗口；在library选择框中选择SAS数据的libname：test，然后在member选择框中输入SAS数据的第一级名字：abc，然后点击“Finish”。,42,SAS数据的保存,临时数据集数据集名（datasetname），如，abc1永久数据集文件名由两部分组成：数据库逻辑名（libname）+数据集名（datasetname），如，test.abc1。,43,数据库逻辑名的创建,用SAS语句创建数据库逻辑名libname数据库逻辑名主目录:子目录；libnametestd:test;datatest.abc1;inputagesex$heightbirthdayyymmdd8.;cards;数据区；run；,44,在SAS的Libraries窗口上创建数据库逻辑名,45,如何建立永久数据集,建立永久数据集的一般步骤：（1）定义一个库逻辑名代替数据集存放的盘符和目录（2）在data语句中用二级名命名数据集（3）编写相应的数据步语语句并提交系统运行。,46,三、数据集的修改与加工整理,（一）赋值语句利用赋值语句，可以建立新变量，或者修改原变量的观测值。语句格式：变量名=表达式（1）赋值语句右边的表达式应是合乎规定的SAS表达式。表达式中列出的变量必须事先赋值，否则系统以缺省值处理。（2）赋值号两边的变量类型必须匹配。（3）为字符型变量赋值时，要用引号将字符串括起。如：NAME=ZHANGLIN；,47,（二）求和语句求和语句又称累加语句，它能把二个表达运算结果加到累加变量上，并作为观测值送到数据集。利用求和语句可以对数值型变量的观测值累加求和。语句格式：累加变量名+表达式；在求和语句中，累加变量的初值被自动设置为0。累加过程中遇到缺省值时，将缺省值视作0处理。,48,（三）删除或保留变量,语句格式：DROP变量名表；语句格式：KEEP变量名表；,49,（四）删除观测值语句格式：DELETE；DELETE用来删除某些不用的观测值。执行DELETE语句时，SAS系统将停止处理当前的观测值，该观测值不被写入正在建立的数据集中，SAS系统返回DATA步的开始处进行下一次执行。DELETE语句通常配合IF-THEN语句使用。,（五）IF语句,（1）IF-THEN语句语句格式：IF表达式THEN语句；（2）IF-THEN/ELSE语句语句格式：IF表达式THEN语句A；ELSE语句B；（3）IF语句语句格式：IF表达式；,50,（六）数据排序,语句格式：PROCSORTDATA=OUT=；BYDESCENDING变量名；,51,（七）数据集纵向连接,语句格式：DATA新数据集名；SET原始数据集名；1变量相同所有待连接的数据集包含相同的变量，则连接后生成的新数据集也包含同样的变量。2变量不同如果待连接的数据集包含有不同的变量，新数据集将包括所有的变量，并将没有数据的变量值定义为缺省值。,52,（八）数据集横向连接,语句格式：DADA新数据集名；MERGE原数据集名.；一对一合并即将序号OBS相同的两个或多个观测值合并为一个观测值，合并后新数据集的观测值个数与原始数据集中观测值个数最多的相等，观测值不足的则用缺省值代替。匹配合并参加合并的数据集首先按同一的BY变量分别排序，再将有相同BY变量值的观测值合并成为新数据中的观测值。用以排序的变量称为匹配变量。,53,第三节数据输出,54,用于数据输出的语句主要有,FILE语句；PUT语句；OUTPUT语句；LIST语句。,55,一、FILE语句,作用是定义一个外部文件作为当前的输出文件，以供PUT语句将数据输出到该文件中。语句格式：FILE文件说明选择项；,56,文件说明文件说明用来标识一个文件，有下列几种形式：1FILE文件全名；标识文件的完整名字，包括盘符、路径及文件名，文件名括在单引号内。2FILE文件逻辑名；用文件逻辑名标识当前的输出文件。使用前先通过FILENAME语句把输出文件与它的文件逻辑名联系起来。3FILELOG；指定把PUT语句产生的出行写到SAS日志中。LOG为SAS数据步设置的输出文件的缺省值。4FILEPRINT；指定把PUT语句的内容送到标准的SAS打印文件中，即送到OUTPUT窗口。,57,二、PUT语句,在数据步中，输出信息可以使用PUT语句。当PUT语句前有FILE语句时，信息被送到由FILE语句定义的外部文件中；当PUT语句前无FILE语句时，信息将输出到日志窗口。语句格式：PUT语句说明；PUT语句的输出内容包括变量值和字符串。,58,（一）变量说明指明要输出的变量名及变量的输出格式。与INPUT语句相似，变量输出格式包括列输出格式，列表输出格式（或自由格式）和定义格式，另外还可以使用指针控制方式输出。,59,例14-22将数据集CLASS中全部女生的数据输出到OUTPUT窗口。,DATAFEMALE；SETCLASS；FILEPRINT；IFSEX=FTHENPUTNAMENAMES1：S1S2S2S3S3；RUN；,60,输出结果：,三、OUTPUT语句,OUTPUT语句的作用是把当前的观测值写入正在建立数据集中。简单的SAS数据步并不需要OUTPUT语句，因为系统会自动将当前输入的观测值输出到正在建立的数据集中。只有在下面三种情形下，才会用到OUTPUT语句以控制观测值的输出。从一个输入数据行创建多个观测值；从一个输入数据文件创建多个SAS数据集；将多个观测值合并成一个观测值。,61,语句格式：OUTPUT数据集名表；,该语句的作用是将当前观测值输入到语句所规定的数据集中。OUTPUT语句可以给出多个数据集的名字，所有给出的数据集名一定要在DATA语句中定义过；如果语句后未规定数据名，则当前观测值被写到程序正在建立的所有数据集中。,62,（一）从一个输入数据行创建多个观测值。,例14-23某班学生的考试成绩，有姓名及两个科目的考试分数。要求用这批数据建立一个SAS数据集，每个姓名后只有一个科目的成绩，即对于每一个输入行要产生两个观测值。,63,DATAREPEAT；INPUTNAME$S1S2；DROPS1S2；S=S1；OUTPUT；S=S2；OUTPUT；CARDS；WANGBO9795LIMIN8890CHENRYN7586,PROCPRINT；RUN；,（二）从一个输入数据文件创建多个SAS数据集,例14-24将数据集CLASS分成男生和女生两个数据集。DATACLASS1CLASS2；SETCLASS；IFSEX=MTHENOUTPUTCLASS1；ELSEOUTPUTCLASS2；RUN；数据集CLASS1包含男生的各科目成绩，数据集CLASS包含女生的各科成绩。,64,三）将多个观察值合并成一个观测值,例14-25利用前例中包含学生科目成绩的数据集REPEAT，建立一个只包含每个学生总成绩数据集。PROCSORTDATA=REEPEAT；BYNAME；DATATOS；SETREPEAT；BYNAME；IFFIRST.NAMETHENSUMS=；SUMS+S；DROPS；IFLAST.NAMETHENOUTPUT；PROCPRINT；RUN；,65,OBSNAMESUMS1WANGBO1922LIMIN1783CHENYIN161,四、LIST语句,LIST语句又称列表语句。它的作用是将当前的输入数据行输出至LOG窗口，并在输出的数据前面显示出列标尺，以便检查输入的数据是否有错误。,66,四、LIST语句,LIST语句又称列表语句。它的作用是将当前的输入数据行输出至LOG窗口，并在输出的数据前面显示出列标尺，以便检查输入的数据是否有错误。,67,SAS常量、变量、运算符与函数,68,SAS语言和SAS程序,常量,69,数值常量数值常量由数字0、小数点、正负号和等符号组成。例如：12231.689E-8（1.68910-8）数值常量的缺省值用“”来表示。,2字符常量字符常量由1200个字符组成。在赋值语句中，字符常量要用定界符单引号或双引号括起来。字符常量的缺省值用空格表示。,70,3日期、时间和日期时间常量该型常量必须用单引号括起，后续一个D（Date）、T(Time)或DT（DateTime）表示其类型。,8JAN1999D表示日期值10:45T表示时间值8JAN99:9:25:14DT表示日期时间值,例：,变量命名：变量名由英文字母或下划线开头，后续1个字符组成。一些特殊字符（如，$，等）不能出现在变量名中。SAS系统还规定了一些特殊的变量名，例如：_N_，_ERROR_变量特性变量类型：有数值型、字符型和日期型三种。字符型变量在定义时，变量名后面加一“$”号表示。变量长度：指存储变量值的字节数，可用LENGTH语句定义。缺省值是8个字节。变量输入输出格式,71,变量,命名方式顾名思义（即根据英文单词来命名）sexnameageheightweightetc.顺序变量temp1，temp2，temp3，temp4和temp5x1，x2，.X10var1，var2，.Var10,72,datad；inputidagetemp1-temp5；temp=sum（oftemp1-temp5）/5；labelage=ageinyearstemp=Averagetemperature；cards；（数据）run；,SAS变量的类型,数值变量（intervalvariable）变量的值不含字符字符变量（norminal，categoricalvariable）变量的值含有字符日期时间变量（date，timevariable）值为日期时间,73,输入输出格式,输入-用SAS程序将原始数据转变成SAS系统认可的SAS数据输出-将SAS系统里的SAS数据调出来，完成某指令或任务输入格式-是输入原始数据前，用户告诉系统每个变量的类型，字符长度或数据所在的位置等信息输出格式-输出数据时用户希望得到的数据形式,74,数值变量常用的输入或输出格式符号是：w.d或w.w表示变量的字符长度，d表示变量中小数的位数Height4.2age2.字符变量常用的输入或输出格式符号是$w.例如SEX$1.日期变量常用的输入或输出格式符号是YYMMDDw.或DDMMYYw.或MMDDYYw.或DATEw.w表示日期变量中字符的长度yymmdd8.date8.mmddyy6.,75,*注意SAS的时间表示,SAS的时间输出格式,注意，当输出时间变量时，输出格式用yymmdd10.或date10.或不用输出格式，其输出的结果形式是完全不一样的。例如，20101220的输出结果分别是2010-12-20，20DEC2010和18616。对于日期变量，如果输出时不给出输出格式，那么输出结果是一个按日排列得到的常数。SAS系统规定1960年1月1日等于1，然后以此类推。例如，1959年1月1日等于-365，1979年1月1日等于常数6940。,76,77,NAMEAGESEXHEIGHTWEIGHTBUSTBIRTHDAYliuyin4B1.0615.3051.019990503liuyang5G1.0115.0451.919980706huye5G1.0215.0752.719980614chengbin6G1.0717.0453.719970408yangbin6B1.1218.0954.119971214liuhong6B1.1418.8053.519970424yanjin7G1.1619.9355.51