第三章建立数据集

1、SAS系统中建立数据集的途径主要有三种：系统中建立数据集的途径主要有三种：使用传统的使用传统的SAS数据步程序数据步程序用用SAS/FSP软件中的软件中的FSEDIT和和FSVIEW过程过程使用使用SAS/ACCESS软件访问其他的数据库软件访问其他的数据库2 DATA语句语句，启动一个数据步启动一个数据步，命名数据集命名数据集 INPUT语句语句，描述如何读入每一条记录描述如何读入每一条记录(观测观测) CARDS语句语句，提供要，提供要输入输入的的数据数据 DATA语句语句，启动一个数据步启动一个数据步，命名数据集命名数据集 INFILE语句语句，指定存储有，指定存储有要读入要读入数据数据

2、的文件的文件 INPUT语句语句，描述如何读入每一条记录描述如何读入每一条记录 DATA语句语句，启动一个数据步启动一个数据步，命名数据集命名数据集 SET/MERGE/UPDATE语句语句，连接连接/合并合并/修改已有修改已有 的数据集的数据集3 语句格式语句格式: DATA ； DATA语句的作用是表明数据步的开始，并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。给出所建数据集的名称。 所有的数据集名都是由半角符号所有的数据集名都是由半角符号“.”分隔的分隔的两部分组成。第两部分组成。第1部分称作部分称作1级名级名(libname或库或库逻辑名逻辑名)，它标识数据集所存贮的位置；第

3、，它标识数据集所存贮的位置；第2部部分分(2级名级名)标识特定的数据集。标识特定的数据集。 如：如：DATA A; 则建立名为则建立名为 WORD.A 的数据集的数据集(临时临时)。4v临时数据集：不指定临时数据集：不指定1级名，使用级名，使用WORK。v空数据集：空数据集：使用使用_NULL_数据集名，不建立数据集。数据集名，不建立数据集。 DATA _NULL_; A=SIN(3.1415/4); B=INT(A*100); PUT A B; RUN;v自动命名：自动命名：不给出数据集名，则不给出数据集名，则SAS自动以自动以DATA1，DATA2等依次命名等依次命名 。DATA ;v当前

4、数据集：当前数据集：最后建立的数据集最后建立的数据集 。5 DATA D1; INPUT A B; CARDS; 3 5 7 9 ; RUN; DATA D2; INPUT C D; CARDS; 13 15 17 19 21 23 ; RUN; PROC PRINT;RUN;PROC PRINT DATA=D1;RUN;62. INPUT语句语句用来描述在输入记录中的数据，并把输入值赋用来描述在输入记录中的数据，并把输入值赋给相应的变量。给相应的变量。 语法：语法：INPUT ;Input 语句中变量使用三种输入数据方式：语句中变量使用三种输入数据方式：v列表输入列表输入v列输入列输入v格式

5、化输入格式化输入7（1）列表输入）列表输入在在Input 语句中，变量只简单列出变量名语句中，变量只简单列出变量名在数据中，数据由空格分隔。在数据中，数据由空格分隔。字符数据默认长度为字符数据默认长度为8，若读入长数据，需用，若读入长数据，需用length语句。语句。例：例：Input name $ age sex $ S1 S2 S3;优点：简单易用。优点：简单易用。缺点：缺点：1）变量顺序必须与数据顺序一致。）变量顺序必须与数据顺序一致。2）不能有选择的读入数据，只能按顺序输入。）不能有选择的读入数据，只能按顺序输入。 如：有如：有A B C D E, 如只想输入如只想输入A B D, 不

6、能跳过不能跳过C。3）不能输入带有空格的数据。）不能输入带有空格的数据。注意：缺项值用注意：缺项值用“.”表示。表示。8（2）列输入）列输入在在Input 语句中，变量名后指出变量值所处的列号。语句中，变量名后指出变量值所处的列号。在数据中，同一变量的数据应位于相同的列上。在数据中，同一变量的数据应位于相同的列上。例：例：Input name $ 1-8 count 10-12;cards;zhangsan 101Lisi 102优点：优点：1）输入值可以以任何顺序读入：）输入值可以以任何顺序读入：INPUT FIR 73-80 SEC 10-12; 2）字符型数据中可包含空格）字符型数据中可

7、包含空格 3）字符型数据可以最多到）字符型数据可以最多到200个字符长个字符长 4）可读取全部或部分数值）可读取全部或部分数值 ：INPUT ID 10-15 GROUP 13; 缺点：数据必须严格按照列位置输入。缺点：数据必须严格按照列位置输入。注意：所读取列中只有空格或注意：所读取列中只有空格或“.”时，被作为缺项值。时，被作为缺项值。9（3）格式化输入）格式化输入在在Input 语句中，变量名后给出一个输入格式。语句中，变量名后给出一个输入格式。 输入格式用来输入格式用来说明变量的数据类型和字段的宽度。说明变量的数据类型和字段的宽度。 在数据中，数据一般要求列对齐。在数据中，数据一般要求

8、列对齐。例：例：INPUT NAME $10. H 4.2; 适合输入日期型数据：适合输入日期型数据：DATA DAYS;INPUT NUM $ BIRTHDAY MMDDYY8. TESTDAY DATE10. WT;CARDS;1001 7-21-96 3MAR97 101002 10/30/96 14/JAN/97 41003 06 19 96 13JUN1997 91004 03 07 97 29 AUG 97 3;RUN; 10 注意注意: 格式化读入时，读数据指针按给出的格式长度移动。格式化读入时，读数据指针按给出的格式长度移动。MMDDYY8. 格式读入日期值时，日期值最长占格式

9、读入日期值时，日期值最长占8列。如格式给列。如格式给出的长度不足，则会出现数据截尾。出的长度不足，则会出现数据截尾。DATE10. 格式是按格式是按ddmmmyy的格式读入数据的，最长可读入的格式读入数据的，最长可读入10列。列。 日期在日期在SAS系统中的表示是用系统中的表示是用1960年年1月月1日至读入那一天日至读入那一天之间的天数表示的。之间的天数表示的。 如读入的日期在如读入的日期在1960年以前，年以前， 则用负数表则用负数表示。这种表示便于进行计算。示。这种表示便于进行计算。 输出时一般要用相应的格式，详见输出时一般要用相应的格式，详见8.(3)中中FORMAT 语句。语句。 简

10、化输入：如有简化输入：如有X1，X2.X10十个字符型量的值紧挨在十个字符型量的值紧挨在一起，每个量长度为一起，每个量长度为3， 则则 ：INPUT (X1-X10) ($3.);11（4）利用指针控制读数据的位置利用指针控制读数据的位置 SAS中提供中提供行指针行指针和和列指针列指针，用来指出下一输入位置。，用来指出下一输入位置。1）列指针控制）列指针控制 ：把指针移向你规定的列。：把指针移向你规定的列。 格式：格式： n; 指针变量指针变量; (表达式表达式); 字符串字符串; 字符变量字符变量; (字符表达式字符表达式); +n; +指针变量；指针变量；+(表达式表达式)。 l 绝对指针

11、控制绝对指针控制 “” 把指针移到所要求的列，在把指针移到所要求的列，在后面跟着列号、变量或求值结后面跟着列号、变量或求值结果为列号的表达式。如果为列号的表达式。如: INPUT 15 SALES 5.;l 相对指针控制相对指针控制 “+”相对指针控制是把指针由当前位置移动规定的列数。如相对指针控制是把指针由当前位置移动规定的列数。如: INPUT 23 DEP $4. +5 W $1.;在第在第32列读取列读取W的值。的值。 12l 读取数据后列指针的定位读取数据后列指针的定位 读完数据后指针的位置取决于使用的输入方式。读完数据后指针的位置取决于使用的输入方式。当使用当使用列表输入列表输入时

12、指针移向被取值后的时指针移向被取值后的第第2列列，并从下一非空格列读下一数据。并从下一非空格列读下一数据。 当使用当使用列输入列输入或或格式化输入格式化输入时，指针移到所取值时，指针移到所取值后的后的第第1列列， 并从此列开始计算下一变量的长。如并从此列开始计算下一变量的长。如: INPUT A 3-4 B; 或或 INPUT 3 A 2. B;读完值后，指针移到第读完值后，指针移到第5列。列。不论什么时候，不论什么时候， 一旦指针移向新的记录行，一旦指针移向新的记录行，列指针都自动置为列指针都自动置为1。132)2)行指针控制行指针控制 移动指针到指定的行数。移动指针到指定的行数。 四种行指

13、针控制四种行指针控制:#n，#指针变量，指针变量，#(表达式表达式)及及/。 当一个观测值的数据多于当一个观测值的数据多于1行时，输入时要指出行时，输入时要指出行号及每个观测值所占的行数。可使用行号及每个观测值所占的行数。可使用/表示移下一表示移下一行。行。#n表示某一观测值的第几行。表示某一观测值的第几行。 如一个观测值由如一个观测值由3行数据组成，各数据间以空格行数据组成，各数据间以空格间隔，欲输入第一行间隔，欲输入第一行5个数据中开始的个数据中开始的4个数据个数据NUM，A1-A3，再读入第二行开始的，再读入第二行开始的4个数据，则：个数据，则：INPUT NUM1 A1-A3/NUM2

14、 B1-B3 #3; 或或INPUT NUM1 A1-A3 #2 NUM2 B1-B3 #3; 最后的最后的#3表示将行指针移至最后一行表示将行指针移至最后一行(第第3行行)，下一次执行下一次执行INPUT语句时，语句时， 指针就从此行下跳一指针就从此行下跳一行，从下一记录的第一行读起。行，从下一记录的第一行读起。 143) 行保持符行保持符 (又称续行符又称续行符) 行保持符使行指针保持在当前输入行。有两种行保持符使行指针保持在当前输入行。有两种行保持说明符行保持说明符:和和 。 通常一条通常一条INPUT语句执行完后，语句执行完后， 下一次执行时，下一次执行时， 要跳至下一数据行去读。要跳

15、至下一数据行去读。: 表示表示INPUT 语句执行完后不换行，下一语句执行完后不换行，下一INPUT语句从下面接着读入。在一个语句从下面接着读入。在一个DATA步有步有多个多个 INPUT语句时用语句时用作续行符。作续行符。：限制读数据指针，使其保持在原行上，直限制读数据指针，使其保持在原行上，直到该行数据读完。从一行读入多个观测值时，应到该行数据读完。从一行读入多个观测值时，应使用续行符使用续行符。153. INFILE 语句语句 指定从外部的纯文本文件中读入数据。指定从外部的纯文本文件中读入数据。 如：如： INFILE C:FIT.TXT;用法：不使用用法：不使用CARDS语句，数据单独

16、存放。语句，数据单独存放。DATA D1;INPUT NUM $ 1-4 SEX $ 5 H 6-9 W 10-11;CARDS;1001F1.67481002M1.7360 RUN; DATA D1;INFILE C:FIT.TXTINPUT NUM $ 1-4 SEX $ 5 H 6-9 W 10-11;RUN; 16当数据文件中某一记录的数据数少于需要读当数据文件中某一记录的数据数少于需要读的记录数，或最后一列无数据时，的记录数，或最后一列无数据时，SAS 则到下一则到下一行开头去读入数据，这样就会出现输入错误，发行开头去读入数据，这样就会出现输入错误，发生数据混乱。生数据混乱。LOG窗

17、口会显示一段信息：窗口会显示一段信息： Note: SAS went to a new line when input statement reached past the end of a line.此时需在此时需在INFILE语句后面加上一个选择项语句后面加上一个选择项MISSOVER，如：，如： INFILE A:FIT.TXT MISSOVER;174. SET语句语句 利用利用SET语句，可以从一已存在的数据集中语句，可以从一已存在的数据集中依次读入每一个观测值。依次读入每一个观测值。 对数据作某种处理后，对数据作某种处理后，写入数据集。如：写入数据集。如： DATA SCORE1;

18、 INPUT NUM S1-S3; CARDS; 1001 78 89 92 1002 87 92 97 1003 64 74 88 ; DATA TOT; SET SCORE1; TOTAL=SUM(OF S1-S3); PROC PRINT; RUN; 185.赋值语句赋值语句计算产生新的变量值或者修改某一变量值，计算产生新的变量值或者修改某一变量值，如如: Z=X+Y; Y=Y+1; 注意注意: 如果表达式中的变量有缺项值，则结果有如果表达式中的变量有缺项值，则结果有时为缺项值。如时为缺项值。如: A=.; B=A+5; C=SUM(A，5); 为字符型变量赋值时，为字符型变量赋值时，

19、要用引号将字符要用引号将字符串括起，串括起， 如如: NAME =ZHANGLIN; 如果一个字符常量中包含有一个单引号，如果一个字符常量中包含有一个单引号， 在在 SAS 表达式中要写成两个连读的单引号或者表达式中要写成两个连读的单引号或者外面用双引号。如外面用双引号。如: NAME=TOMS 或或 NAME=TOMS196. 求和求和语句语句在建数据集时，如果希望对某一变量求累加在建数据集时，如果希望对某一变量求累加值，可用求和语句。如：值，可用求和语句。如：DATA A; INPUT X Y ; S+X; CARDS; 3 5 7 9 20 21 ; PROC PRINT; RUN; 在

20、求和语句中，在求和语句中， 累加和变量的初值被累加和变量的初值被SAS自动自动设为设为0。 207. 删除和保留变量删除和保留变量 (1) DROP 语句语句格式格式: DROP 变量表变量表; DROP语句指明某些变量不包括在建立的数语句指明某些变量不包括在建立的数据集中。但是这些变量可在该数据步的所有编程据集中。但是这些变量可在该数据步的所有编程语句中使用语句中使用 。在。在 DATA步中，步中，DROP语句位于任语句位于任何地方所产生的效果都相同。何地方所产生的效果都相同。DATA PARTS; INPUT NAME $ S1 S2; TOTAL=S1+S2 DROP S1 S2; CA

21、RDS; zhanglin 78 89 wangqiang 95 87 21(2) KEEP 语句语句格式格式: KEEP 变量表变量表;如：如：KEEP NAME AVG; KEEP语句说明在正被建立的数据集中语句说明在正被建立的数据集中包括哪些变量。包括哪些变量。在在KEEP语句中不包括的变量仍适用于语句中不包括的变量仍适用于其它程序语句。其它程序语句。KEEP语句可出现在语句可出现在DATA步的程序语句中的任何位置，它是非执行步的程序语句中的任何位置，它是非执行语句。语句。KEEP语句的作用与语句的作用与DROP语句正相反。语句正相反。在同一在同一DATA步中，不要同时使用步中，不要同时

22、使用KEEP语语句和句和DROP语句。语句。 228. 提供信息的几个语句提供信息的几个语句 (1) LENGTH 语句语句 当一个字符型变量长度超过或不用缺省值时，当一个字符型变量长度超过或不用缺省值时，可用该语句指出变量的长度。可用该语句指出变量的长度。 如如: DATA A; LENGTH NAME $ 13; INPUT NAME SEX $ H W; CARDS; ZhangZhihui F 1.70 52 ZhaoChangtai M 1.73 55 ; 由于由于NAME变量已在变量已在LENGTH语句中定义为语句中定义为字符型量字符型量,故故INPUT语句中可不再用语句中可不再用

23、$号作定义。号作定义。23(2) LABEL 语句语句变量名不许超过变量名不许超过8个字符长。使用个字符长。使用LABEL语语句给变量一个标记，标记长可达句给变量一个标记，标记长可达40个字符。个字符。 它它与变量值同时存于数据集中，与变量值同时存于数据集中， 它可以被许多它可以被许多SAS过程打印出来。如过程打印出来。如: DATA D; INPUT NUM $ SEX $ H W; LABEL H=HEIGHT W=WEIGHT; CARDS; 101 M 1.72 61 102 F 1.68 52 ; PROC PRINT LABEL; 注意注意: PRINT过程的过程的PROC PRI

24、NT语句中应加语句中应加LABEL选择项。选择项。24(3) FORMAT 语句语句指定变量的输出格式。指定变量的输出格式。 对于日期时间型变量必须指定其格式。对于日期时间型变量必须指定其格式。如如: DATA EMPLO; INPUT NAME $ T DATE7.; FORMAT T WORDDATE.; CARDS; ZHONGLI 15JAN84 LIUWEI 03MAR85; PROC PRINT;FORMAT语句把语句把SAS输出格式输出格式WORDDATE. 和变和变量量T联系起来。联系起来。 25(4) MISSING 语句语句格式格式: MISSING values;MISS

25、ING语句表明：在录入的数据中的某语句表明：在录入的数据中的某些值代表数值型数据的缺项值。些值代表数值型数据的缺项值。 例如，假设字母例如，假设字母 “A”代表在调查时家中无人，代表在调查时家中无人， 字母字母“R”代表拒绝回答。代表拒绝回答。 DATA SURV; MISSING A R; INPUT ID ANSWER ; CARDS; 1001 2 1002 R 1003 1 1004 A 1005 2 ; MISSING语句规定，在录入的数据行中，值语句规定，在录入的数据行中，值 A和和R 被认为是特殊的缺项值，被认为是特殊的缺项值， 而不是无效的数而不是无效的数值型数据值。值型数据值

26、。 26(5)注释语句注释语句 在语句开头加一个星号，就表示该语句的内在语句开头加一个星号，就表示该语句的内容是注释信息而不予执行。容是注释信息而不予执行。如：如： *-example-; data; label n=name h=height; input num n $ h; cards ; 1001 zhang3 1.73 1002 li4 1.82 ; 对于大段信息的注释，可用对于大段信息的注释，可用/*放在信息的开头，放在信息的开头，将将*/放在注释信息的尾部。放在注释信息的尾部。273.2 FSEDIT和FSVIEW过程 lSAS/FSP软件的软件的FSEDIT和和FSVIEW过程

27、过程以窗口的形式，交互地建立、编辑和显示以窗口的形式，交互地建立、编辑和显示数据集。变量及数据一目了然，用户可形象、数据集。变量及数据一目了然，用户可形象、细致地了解数据集的组成，交互性的操作如同细致地了解数据集的组成，交互性的操作如同编辑、浏览标准的数据库一般。编辑、浏览标准的数据库一般。lFSEDIT和和FSVIEW过程的调用过程的调用(1)在在PROGRAM EDITOR窗口的过程步中写窗口的过程步中写出，然后出，然后SUBMIT 。(2)在命令框中输入在命令框中输入FSEDIT或或FSVIEW命令，命令，调出相应的窗口调出相应的窗口 。28 PROC FSEDIT NEWSAS数据集名

28、数据集名; RUN; (1) FSEDIT NEW窗口窗口 (2) 定义所有变量及属性定义所有变量及属性 Name：变量的名字：变量的名字 Type ：类型，：类型，N或空格代表数字型，或空格代表数字型，C或或$代表字符型。代表字符型。 Length：长度，字符型变量不超过：长度，字符型变量不超过200, 缺省值为缺省值为8。 Label ：标签，长度为：标签，长度为140的字符串，用以说明该变量。的字符串，用以说明该变量。 Format：变量的输出格式。：变量的输出格式。 Informat：变量的输入格式：变量的输入格式 在顶行菜单或在右键快捷菜单中选择在顶行菜单或在右键快捷菜单中选择Loc

29、als，再选择，再选择Format/informat，可转换，可转换Format/Informat栏。栏。29 (3)(3) 当定义完所有变量及属性后，在命令框中发当定义完所有变量及属性后，在命令框中发布布END命令，就进入命令，就进入FSEDIT记录编辑窗口。记录编辑窗口。lADD命令可添加记录，在编辑窗口中就可以输命令可添加记录，在编辑窗口中就可以输入、编辑数据。入、编辑数据。(F5, ADD按钮按钮)lCANCEL命令可放弃当前的输入。命令可放弃当前的输入。l其他编辑按钮其他编辑按钮:Save, Copy, Delete, Previous,Next等。等。lEND命令结束输入，保存数据

30、集，退出窗口。命令结束输入，保存数据集，退出窗口。 301. 用用FSEDIT过程修改数据集的一般格式过程修改数据集的一般格式 PROC FSEDIT DATASAS数据集名数据集名; RUN;2. 常用操作方法常用操作方法 (1) 修改修改前后翻页：前后翻页：FORWARD,BACKWARD命令或命令或PgUp,PgDn 键。键。移动光标：鼠标及移动光标：鼠标及键。键。(2)(2)获取子集获取子集 发布发布WHERE命令来获得数据集的一个子集。命令来获得数据集的一个子集。如：如：WHERE FLIGHT=12331(3)(3) 添加、删除记录添加、删除记录使用使用ADD和和DELETE命令添

31、加或者删除记录。命令添加或者删除记录。(4)(4) 退出退出发布发布END命令结束修改，保存数据集，退出当命令结束修改，保存数据集，退出当前窗口。前窗口。321. 用用FSEDIT过程浏览数据集的一般格式过程浏览数据集的一般格式 PROC FSVIEW DATASAS数据集名数据集名; RUN;2. 常用操作方法常用操作方法 (1) 浏览浏览前后翻页：前后翻页：FORWARD,BACKWARD命令或命令或PgUp,PgDn 键。键。左右翻屏左右翻屏: RIGHT,LEFT命令或使用滚动条。命令或使用滚动条。(2)(2)选择变量选择变量 DROP命令可以去掉不需要显示的变量，如：命令可以去掉不需

32、要显示的变量，如：DROP LIQUOR SOFDRNK33(3)(3) 获取子集获取子集发布发布WHERE命令，如：命令，如：WHERE BEER12WHERE ALSO命令可以获得一个子集的子集，如：命令可以获得一个子集的子集，如：WHERE ALSO BEER14WHERE UNDO:取消刚才发布的取消刚才发布的WHERE命令。命令。(4)(4) FSVIEW窗口中的窗口中的EDIT按钮按钮(5)(5) 退出退出最后发布最后发布END命令退出命令退出FSVIEW窗口。窗口。FSVIEW也可以用来修改也可以用来修改SAS数据集，它和数据集，它和FSEDIT的主要区别是：的主要区别是：FSE

33、DIT每屏只显示一条每屏只显示一条观测，而观测，而FSVIEW则以表的形式每屏显示尽可能则以表的形式每屏显示尽可能多的观测。多的观测。343.3.1启动启动SAS/ASSIST方法：方法：直接按工具栏中的直接按工具栏中的SAS/ASSIST按钮。按钮。 从菜单从菜单Globals中选择中选择SAS/ASSIST。 在命令框中输入在命令框中输入ASSIST命令。命令。 在在SAS/ASSIST主菜单中点击主菜单中点击DATA MGMT按钮，按钮，进入数据管理窗口。进入数据管理窗口。353.3.2 建立建立SAS数据集数据集1.在数据管理菜单中在数据管理菜单中单击单击CREATE/IMPORT按钮

34、。按钮。2.在在CREATE/IMPORT菜单中点菜单中点Enter data interactively。3.在在输入方式选择菜单中选一种方式。输入方式选择菜单中选一种方式。4.在建新数据集窗口中输入数据集的名称及类型。在建新数据集窗口中输入数据集的名称及类型。5.在数据集定义窗口中定义所有变量及属性。在数据集定义窗口中定义所有变量及属性。6. 进入进入FSEDIT或或FSVIEW窗口输入具体数据。窗口输入具体数据。7. END退出，退出，单击单击go back按钮返回。按钮返回。363.3.3 编辑、浏览数据集编辑、浏览数据集 1.在数据管理菜单中在数据管理菜单中单击单击EDIT/BROW

35、SE按钮。按钮。2.在编辑在编辑/浏览选择菜单中选择浏览选择菜单中选择Edit data(编辑编辑)。3.选择方式选择方式Tabular format或或Single observation。 4.在数据集选择窗口中选择一个数据集。在数据集选择窗口中选择一个数据集。5. 进入进入FSEDIT或或FSVIEW窗口编辑窗口编辑。6. ENDEND退出。按退出。按go back按钮返回。按钮返回。进行浏览操作就在上面第进行浏览操作就在上面第2步步选择选择Browse data ，再选择浏览类型、数据集，就可进行浏览再选择浏览类型、数据集，就可进行浏览 。37 在在VIEWTABLE窗口中可浏览、编辑或创建窗口中可浏览、编辑或创建SAS的数据文件。的数据文件。 两种浏览方式：两种浏览方式：Table方式方式(一屏