SAS培训班讲义Word版与版内容相同方便打印使用

1、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

2、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运行环境的界面菜单栏： 文件 编辑 工具解决方案: 各功能模块窗口帮助SAS资源管理器我的电脑逻辑库：类似我的电脑，

3、不同的是，在sas系统里才存在的，关闭sas系统后，在本地机中不容易找到包括4个目录：work（临时文件夹）map, sasuser, sashelpSAS工作空间n可以通过“查看”调取：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。Ctrl+e 清空除特殊字符外，大小写不区分数据步Data a; 生成以a命名的数据集，这里a是空的数据集File print; 将原本在日志窗口中输出的

4、内容转移至输出窗口中输出Put hello world; 将put后的内容在日志窗口中呈现Run;Proc print; 将前面运行的结果在输出窗口显示Run;运行后，日志窗口中显示执行情况深蓝 固有关键词浅蓝 普通关键词Insight模块在逻辑库中新建一个文件夹“培训”，放入培训中需要的文件在“命令行”中输入“insight”，启动insight逻辑库及其所含的数据界面：菜单 文件 编辑：可以设置 分析：图形、分析 灰色不可操作的菜单左上角的小三角 移动查找新建观测（样本）新建变量抽取样本左边的小方框，作图时用于表示这样的样本填充数据：选定需要填充的范围，鼠标右键，“填充值”对话框：值：1增

5、加值：1表示从1开始，增量为1默认变量名和变量类型，类型可以改变抽取样本选定2个变量，右键“抽取”，对这两个样本进行更加详细的分析编辑-窗口-工具，出现调色板，标记色彩对事先选定的样本标记，方便对数据作直观的研究事先未选定样本，创建标记色彩的规则：每个样本的每一个变量，符合某种条件时将该样本标记为某种颜色。查看一个数据集的概况：右键、属性“标签”对数据集添加密码等打开“分析”中的分布、拟合、多元等的窗口后，原先灰色不可选的菜单菜可操作（TablesGraphsCurves等）“分析”菜单中也可作图分布：输出大多数常用的统计量拟合：回归分析多元：方差分析不同的分析方法，TablesGraphsC

6、urves菜单里显示的功能也是不同的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，绿色显示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（一个或多个表，有着某种特定的联系，来实现某种功能）n许多SAS语句都是以关键词开始并用它识别语

7、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（打开、编辑、整理数据）和PROC步（分析、处理、显示数据）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美元符，表示它前面的变量是字符型，否则就是数值型 $ flavor texture looks; total=flavor+texture+looks用赋值的方式生成新的变量; label to

8、tal="总数给变量加标签" cardsCards后面是数据本身;navel 9 8 6不需要每行结束后都分号temple 7 7 7valencia 8 9 9mandarin 5 7 8;proc sort操作的名称及对象数据集的名称 data=oranges; by descending对某个变量降序排列 total; run;proc print data=oranges; var输出的变量，没有该语句默认输出所有变量 _numeric_; /* var _character所有字符型变量，系统内置变量，有固定含义_;*/ title '对ORANGES数据

9、集的品尝结果加标题'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（放在work中，关闭系统会自动删除）和永久数据集data sastrain.oranges;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新建目录zhao，物理位置是d:sas'&

10、#39;data zhao.aa永久数据集，二级命名方式; input a变量 ;cards; 1;run;建立SAS数据集的5种方法1.data己输入数据建立。Orange例利用cards手工输入数据2、data步利用set 语句建立。Set例data abc; set相当于复制命令 sasuser.business;run;proc print没有“data=”默认为打印最近的数据集，即abc;run可以在work目录中看到数据集abc，和sasuser中的数据集business是一致的;3、从外部调入。Infile例data abcd; infile 'D:SASdataxxxx

11、.dat从外部导入（不是sas的逻辑库）文件' input a b c;run;proc print;run;D:SASdataxxxx.dat用记事本打开，就是数据文本，没有变量名和样本序号4、利用“导入数据”功能建立。Id.xls例和其他格式文件的交互(1)有1个Excel文件，第一行为变量名。Sas系统在打开一个文件时对该文件独占，所以导入操作前将这个excel文件关闭“文件”-“导入数据”-对话框，默认“标准数据源”，选择合适的数据格式-“浏览”找到要导入的工作簿-选择该工作簿的工作表-“option”的参数选择-是否“变量名在第一行”-选择导入的excel数据保存在逻辑库的哪

12、个位置：选择库并给数据集命名-是否“存储刚才的导入过程”，不需要就直接finish(2)文本文件，无变量名的纯数据。选择“用分隔符分割的文本文件”“浏览”后作一些设置：分隔符的类型（空格键、Tab或一些特定字符）、变量名是否在第一行5、利用EFI（external file interface外部文件接口）功能导入。Column.dat例tests.dat例comma.dat例（1）用记事本打开column.dat后，是这样未经分割的日期数据：01MAR200502MAR200503MAR2005利用sas将日、月、年分开还是“文件”-“导入数据”-不再选择“标准数据源”，选择“用户定义的格式

13、”即EFI-“浏览”-保存-finish-新的界面，对数据作自由导入-“options”选项-设置外部数据的形式：每一个样本在一行或者每一条记录为多个sas数据行导入数据的风格：列表型（list）选择分隔符 自定义列（column）从第几列到第几列定义为一个变量变量生成方式：手工生成或自动生成变量默认类型：字符型或数值型从第几个记录开始缺失值是什么鼠标拖拽某几列，下面begin、end、length已经开始发生改变；命名“date”并add，于是新生成变量“date”，如法炮制产生变量“month”和“year”关闭菜单，提示是否保存，保存为新的数据集（2）tests.dat如下：2458 M

14、urray, W 72 185 128 12 38 D 2462 Almers, C 68 171 133 10 5 I 2501 Bonaventure, T 78 177 139 11 13 I 2523 Johnson, R 69 162 114 9 42 S 2539 LaMance, K 75 168 141 11 46 D 2544 Jones, M 79 187 136 12 26 N 2552 Reberson, P 69 158 139 15 41 D 2555 King, E 70 167 122 13 13 I 2563 Pitts, D 71 159 116 10 22

15、 S 2568 Eberhardt, S 72 182 122 16 49 N 2571 Nunnelly, A 65 181 141 15 2 I 2572 Oberon, M 74 177 138 12 11 D 2574 Peterson, V 80 164 137 14 9 D 2575 Quigley, M 74 152 Q13 11 26 I 2578 Cameron, L 75 158 108 14 27 I 2579 Underwood, K 72 165 127 13 19 S 2584 Takahashi, Y 76 163 135 16 7 D 2586 Derber,

16、B 68 176 119 17 35 N 2588 Ivan, H 70 182 126 15 41 N 2589 Wilcox, E 78 189 138 14 57 I 2595 Warren, C 77 170 136 12 10 S 导入，进入EFI的界面，options：Column，manual，character确定先拖拽1-4列，命名为a选第二个变量的时候拖拽长一点，全部选进来，命名为b若list，可指定空格键为分隔符（3）comma.dat如下： 1,2,3,42.5,3.6,3,5 单纯由逗号分割，共4列List：分隔符选择逗号，去掉blank（按住ctrl点击原来选择的B

17、lank）Automatic，不用拖拽导出数据：“文件”-“导出数据”-选择要到处的sas文件和要导出为何种格式，保存在地址，给导出的文件命名，是否保存导出过程Analyst模块界面 文件：按sas名称打开：在逻辑库里打开一些sas文件 打开新查询； 打开sas一些程序文件 打开现有的查询 编辑：模式：浏览 编辑 查看 工具：样本数据和其他的功能选项 数据：对数据作操作，过滤、排序、随机抽样、变换 报表：生成一些报表 图形：生成一些图形 统计：较多功能数据视图：正在分析的数据及其具体内容 “文件”-“打开”-“fly”数据集，呈现修改其中数据，发现不能通过键盘改动（Browse浏览状态，保护作

18、用），在“编辑”-“模式”中修改状态，显示Edit编辑状态“工具”-“样本数据”，创建在“sasuser”，“全选”下面的数据集，即生成下面这些样本数据，供我们在学习sas时作为练习。“打开”table（一个真实的问卷调查数据，300个样本，想实现抽样） - “数据”“过滤”“取数据子集”-“age”,“operators”中的“GT”，拉到最下面“look distinct values”-在出现的所有age变量取值中选择-ok，实现了过滤“数据”“随机抽样”-如：100个样本 “数据”中的其它命令 对程序提取他的代码：“图形”“散点图” - 做完这个操作后，出现“code”，即菜单式的操作

19、，如果用程序是如何实现的。可以进行代码的学习，以后可以在这个程序上稍作修改得到相应的代码。 假设检验“统计”“假设检验” 非常强大的统计功能 SAS运算符（operator例）n算术运算符：* / */*乘方*/n比较算符：=(EQ) =(NE) >(GT) <(LT) >=(GE) <=(LE) in/*变量的值在某一个范围*/n逻辑算符：(AND) (!)(OR)（）(Not)n其它：><(最小值) < >(最大值) |（！）(连接)例：if variety in ('navel','valencia') th

20、en total=total*10; if (flavor<texture & variety='mandarin') then total=total*100; a=flavor<>texture*2; b=variety|'.var加后缀' 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。在OFFICE-WORD中“插入”“符号”可以看到常用字符的ASC码。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data; input

21、(a b cA、b、c使用同一种变量类型，都是字符串型) ($); if a>b then result1='true ' else result1='false' result2='Fox'<>'Fox '/*result2变量的长度 由最长的字符串决定*/ result3='Fox'<>' Foxs' if a只比较a的首字符和S的大小>:'S' then result4="Great than S" cards; GRAY

22、 ADAMS G TOM TOMA T Sam Robe S sa SA g s | a b c ; run; proc print; run; 运算次序一n在括弧里的表达式先计算n第一级：* （）前缀，即表示正负>< < >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，即乘方右边先算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 & age<2

23、0 SAS函数一(部分)n数学函数：abs()、max ()、min ()、mod (x, y)取余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)比x较大的整数值floor (x)、int (x)round (x，n)对x保留n位四舍五入n字符函数：index (S, S1)在s中查找s1substr (s , p, n)在s中从第p位开始截取n位字符scan(s2,n)在s2中查找第n个字符upcase(s)将字符串s转换为大写comp

24、ress(s,s1)在s中将s1压缩掉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 ( )返回周几 day()返回几号month()返回月份qtr()返回季度year()返回年份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)nFu

25、nctions例data bbb; input x1-x5 x6 $ date yymmdd15年月日共占15位的日期形式输入date变量.; /*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(x

26、6,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星期几的返回？); 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

27、 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

28、、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

29、，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 new

30、3(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

31、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; p

32、roc 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;234;proc print;run;n几个特殊符号的用法（: & )

33、: 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 Townsen

34、d,"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

35、 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_=

36、; 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 $

37、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Ana

38、lyst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=tot

39、al; /*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 ; <by 变量;>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

40、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 2A