SAS数据集.doc

SAS数据集
SAS系统使用的数据文件称为SAS数据集。
1. SAS的工作环境与SAS程序的结构
1.1SAS的工作环境
主要有四个窗口：
PROGRAM EDIT窗口：用于程序的编写、运行和调试。
LOG窗口：用于监视程序的执行过程，提示程序运行过程的各种信息。
记录了SAS程序运行的全部情况，如程序语句的语法错误，运行中的逻辑错误和警告信息，运行时使用的数据集，建立的库文件，以及运行时间等。
OUTPUT窗口：用于显示程序运行的结果。
显示程序的统计分析结果，还可以在窗口对计算结果进行输入、输出、编辑、修改，以及文件格式的转换等操作。
GRAPH窗口：用于图形展示。
还可以在窗口对图形进行输入、输出、编辑、修改，以及图形格式的转换等操作。
另外，
Explorer窗口用于显示SAS库（SAS系统命名的库名与磁盘某文件夹间的关联）及其SAS数据集。
Results窗口用于显示SAS程序运行成功时程序输出结果的目录。
SAS系统还有许多窗口，每个窗口都有其特定功能。根据需要可以关闭窗口，也可以通过主菜单View的下拉菜单打开或切换窗口。
运行程序的方式有：
Submit：运行全部程序。
Submit top line：运行程序的前n行。
程序运行后系统自动删除已经运行完毕的语句，运行结果显示在OUTPUT窗口，执行过程的各种信息显示在LOG窗口。程序全部运行完毕后PROGRAM EDIT窗口的内容被清除，如果用户希望继续修改或调试该程序，可通过主菜单Locals项下的Recall text选项重新取出程序。
1.2 SAS程序的结构
SAS程序采用模块化结构，模块之间相互独立，每个模块完成一个任务。模块可分为两种类型：一种类型是数据模块，数据模块以英文单词data作为开始语句。另一种是程序模块，程序模块以proc（即英文单词procedure的前四个字母）作为开始语句。模块中的语句用“；”分隔，同一个语句的不同项之间用一个以上的空格分隔。大多数模块用语句“run；”作为结束语句，也有一些模块用语句“quit；”作为结束语句。在一个程序中可以包含多个数据模块和程序模块，模块的位置是任意的。程序按照语句出现的先后顺序执行。
除了数据模块和程序模块之外，用户还可以使用说明语句定义全程量。说明语句可以出现在程序的开始，或者任意两个模块之间，说明语句定义的量的作用范围是该语句后面的所有模块。
例1是一个SAS程序的例子，程序中包含一个数据模块，两个程序模块。在数据模块中输入了对四个变量s，x，y，z三次观测的数据，即建立了一个包含三个记录的数据文件example。S是字符串变量，x，y，z是数值变量。过程proc的功能是将数据文件example的内容显示在OUTPUT窗口。过程means的功能是计算变量x，y（由var指定的变量）的描述性统计量。
[例1]
Data example；
Input s $ x y z；
cards；
A 1 2 3
B 4 5 6
C 7 8 9
run；
proc print data=example；
run；
proc means data=example；
var x y；
run；

1.3 SAS程序的语法
编写程序时必须遵循所使用的软件的语法规则，SAS程序的语法规则可以归纳为以下几条：
标识符或数据之间至少用一个以上的空格分隔，例如：input s$。
每个语句用分号作为结束标志。
变量名或其他名称最多包含8个符号，并且第一个字符为英文字母，名称中不能有空格，或SAS系统的保留符号，如：“-”，“.”，“，”，“；”，“…”,“$”等。
SAS程序可以处理带有缺失数据的文件，数据缺失值用“.”表示。
SAS程序只处理数值和字符串两种类型的变量，为了和数值变量相区别，输入语句中字符串变量名使用“$”作为后缀。
程序中可以包含注释语句，注释语句以“/*”作为一行的开始符号，表示该行为注释语句。
除数据外，SAS程序不区分英文字母大小写。
1.4 常用的运算符号
名称 符号 例子
加号 + A=X+Y+Z
减号 — B=X-Y-Z
乘号 * C=X*Y*Z
除号 / D=X/Y
乘方 ** E=X**2

等于 = A=X+Y+Z

不等于 ^= B^=X-Y-Z
大于 > C>X*Y*Z
小于 < D= E>=X+Y+Z
小于等于 <= F<=X+Y+Z
属于 IN G IN (X Y Z)

与 &(AND) A函数
数据集函数
库和目录函数
2. 临时数据集和永久数据集
2.1临时数据集
临时数据集是程序在执行过程中建立的临时数据文件，退出程序以后计算机不保存临时数据集中的数据。
【例2】建立一个临时数据集，存放表1-1中的数据。
Data sale；
Input name $ sales region $ type $;
Cards;
Stafer 9664 east p
Young 22969 east p
Stride 27253 east p
Topin 86432 east c
Spark 99210 east c
Vetter 38928 west c
Curci 21531 west p
Marco 79345 west p
Greco 18523 west p
Ryan 32915 west p
Tomas 42109 west p
Thalman 94320 south c
Moore 25718 south p
Allen 64700 south c
Steiam 27634 south p

Farlow 32719 south p
Smith 38712 south p
Wilson 97214 south c
Run;
Data语句是数据模块的起始语句，data后面跟随的是创建的数据集的名字，这个例子建立的临时数据集的名字是sale。
Input语句说明要输入的数据项，或者称为变量。变量名之间用空格分开，这个例子中有四个变量name，region，type，sales，除了sales外其余的变量都是字符串类型，所以变量名后要加后缀$。
该数据集中包含对四个变量name，region，type，sales的18次观察值，也可以说包含18条记录。
Cards语句用来说明它的后面跟随的是数据。
Run语句是过程结束语句。
这个程序建立了临时数据集sale。程序运行结束后，sale将不复存在。观察这段程序可以看到，这个程序把要处理的原始数据放在程序内部。当数据量很小时，这种写法很方便。但是，当数据量很多，程序结构就不清晰，会给程序的调试带来不便。另外，数据放在程序内部的做法，使得这些数据只能供一个程序使用，限制了数据的使用范围，不利于数据的共享。因此，当数据量大时，应该建立永久数据集。
2.2 永久数据集
SAS永久数据集是以文件的形式存储在磁盘上的数据文件。使用永久数据集时，除了要说明数据集的名称外，还要说明数据文件在磁盘上的位置，即文件的路径。下面利用表1-1中的数据建立永久数据集。
【例3】建立一个永久数据集
Libname path “a：mydir”；
Data path.sale;
Input name$ sales region$ type$ @@;
Cards;
Stafer 9664 east p Young 22969 east p
Stride 27253 east p Topin 86432 east c
Spark 99210 east c Vetter 38928 west c
Curci 21531 west p Marco 79345 west p
Greco 18523 west p Ryan 32915 west p
Tomas 42109 west p Thalman 94320 south c
Moore 25718 south p Allen 64700 south c
Steiam 27634 south p Farlow 32719 south p
Smith 38712 south p Wilson 97214 south c
Run;

Libname是一个说明语句，说明在后面程序中使用path代表磁盘目录a：\mydir，程序使用的数据文件存储在该目录下。
Data path.sale说明了一个名为sale的永久数据集，永久数据集的名称包含两部分，前一部分是我就路径，后一部分是文件名，中间用“。”号分隔。
Input语句结尾的@@表示一个数据行包含多个记录，当数据较多时用这种格式输入数据比较方便。
2.3 使用过程建立永久数据集
SAS系统还提供了交互式建立永久数据集的工具。下面我们使用SAS/FSP模块提供的过程FSVIEW来建立永久数据集。
【例4】使用过程FSVIEW来建立永久数据集
Libname path ‘a:\mydir’;
Proc fsview new=path.f；
Run;
运行上面的程序后，将进入FSVIEW工作窗口，该窗口包含内容如下：

Name type length label format (informat)

用户可以在这个窗口中完成数据集的定义工作，具体的定义方法是：
在name下定义数据集中使用的数据项的名称。
在type下定义数据项的数据数据类型，输入N表示数值类型输入$表示字符串类型。
在length下定义数据的长度，缺省值为8。
在lable下定义数据显示的标号。
在format下定义数据的输出格式。
在informat下定义数据的输入格式。
使用FSVIEW过程还可以编辑已经建立的SAS数据集，例如，执行下面的程序后将进入数据集a：\mydir.f的编辑界面，在编辑界面可以进行数据录入和修改操作。
【例5】使用FSVIEW过程编辑已经建立的SAS数据。
Libname path’a:\mydir’;
Proc fsview data=path.f;
Run；
3. 使用非SAS格式的数据文件
在SAS系统中可以使用其他应用软件建立的数据文件，由于这些数据文件的存储格式和SAS数据文件的存储格式不同，所以使用前应利用SAS系统提供的数据转换程序进行处理。下面介绍最常见的文本格式的数据文件的使用方法，其他数据格式文件的转换方法请参阅有关的SAS手册。
【6】从文本格式的数据文件sale.dat读取数据，建立SAS数据集。
Data sale;
Infile ‘a:\mydir\sale.dat’;
Input name$ sales region$ type$;
Run;
Infile语句打开存储在a:\mydir目录下的文本格式的数据文件sale.dat。
Input语句读入数据。
注意原始数据文件中每行应包含四个数据项，数据之间用空格分隔。
4. 数据的修饰
数据的修饰包括新变量的生成，对数据文件进行投影、筛选、连接等操作。对数据文件进行修饰可以得到满足分析需要的数据。
4.1 赋值语句
使用赋值语句可以为变量赋值，生成新的数据项。SAS系统提供了丰富的函数，在赋值语句中可以充分利用这些函数对原始数据进行加工，生成新的数据项。
【例7】输入x，y，z三个变量的观测数据，并生成新的变量s。
Data a;
Input x y z；
S=x+y+z；
Cards；
（略）
Run；
上边的程序每输入变量x，y，z的一次观测，就计算一次x+y+z，并把结果赋给s，程序最终建立了包含x，y，z，s 四个数据项的临时数据集a。
【例8】输入变量x，y，z，计算x^2+y^2+z^2的平方根，并将计算结果赋给变量r。
Data a；
Input x y x；
R=sqrt（x*x+y*y+z*z）;
Cards;
(略)
Run；
【例9】利用条件语句和赋值语句建立新变量。
Data sale；
Input name$ sales region$ type$；
Select；
When（sales<20000） group=10000;
When（20000<=sales<40000） group=30000;
When（40000<=sales<60000） group=50000;
When（60000<=sales<80000） group=70000;
Otherwise group=90000;
End;
Cards;
(数据同表1-1)
Run；
这段程序利用赋值语句建立了一个变量group，它是对变量sales进行分组后的组中值。
Select语句称为多路分支语句，它的工作方法是先计算when后面的条件语句，如果条件语句的值为真，则执行条件语句后面的内容，然后跳转到end语句。为假，则执行otherwise后面的语句。
Select语句的另一种用法为：
Select 表达式；
When （值或表达式）语句1；
……
When （值或表达式）语句n；
Otherwise 语句；
End；
如果select后面表达式的计算结果等于某个when语句后面的值或表达式结果，则程序执行该语句对应的语句，然后跳转到end语句。如果所有when语句的值或表达式的计算结果均不等于select后面表达式的计算结果，则程序执行otherwise后面的语句。
4.2 数据项投影
SAS系统提供的对数据项进行投影操作的语句有keep和drop。下面两段程序功能相同，都是建立数据集b时，只保留x和y数据项。
【例10】建立数据集b，只保留x和y数据项。
Data a；
Input x y z；
……
Run；
Data b （keep=x y）；
Set a；
Run；
【例11】建立数据集b，并从中删除数据项z。
Data a；
Input x y z；
……
Run；
Data b；
Set a；
Drop z；
Run；
语句set a 说明将数据集a中的数据连接到数据集b的末尾。
Keep选项指示程序在连接时只保留数据项x和y。
Drop语句说明程序在连接后从数据集b中删除数据项z。

4.3 记录的筛选
SAS系统提供了对文件进行筛选操作的语句。下面是对记录进行筛选的例子。
【例12】从表1-1中所列的销售类型为c的记录。
Data sale；
Input name$ sales region$ type$;
If type =‘p’then delete；
Cards；
（数据同表1-1）
Run；
这段程序每输入一条记录就判断本次观测的机器类型是否为p，如果是删除这次观测，最终程序建立的数据集sale中只有机器类型为c的记录。
If是判断语句，if后面是条件，当条件为真时，程序执行then后面的语句。If语句的另一种结构为if<条件>then<语句1>else<语句2>，当条件为真时，程序执行语句1，否则执行语句2.
Delete是删除语句，执行一次delete语句，数据集的当前记录被删除。
下面的程序根据表1-1建立了两个数据集，sale1中包含销售类型为打印机的有关记录，sale2中包含销售类型为计算机的有关记录。
【例13】分别建立包含销售类型为计算机和打印机的数据集。
Data sale1 sale2；
Input name$ sales region$ type@ ;
If type =’p’then output sale1 ;else output sale2;
Cards;
(数据同表1-1)
Run；
Output 语句的功能是将当前记录连接到指定数据集的末尾。

4.4 连接数据集
根据分析的需要，可以将多个数据集横向或纵向连接为一个数据集。连接可以是垂直连接，也可以是水平连接。
4.4.1 垂直连接数据集
垂直连接是将一个数据集中的数据连接到另一个数据集的末尾，完成垂直连接的语句为set。下面是完成数据集a和b的垂直连接的一个例子。
【例14已经存在两个数据集a和b，它们的内容如下：
数据集a中的数据为： 数据集b中的数据为：
6 9 mouse 1 5 mouse
1 2 print 6 3 computer
2 7 scaner
执行下面的程序，
Data a；
Set b；
Run；
运行后数据集a中的内容变为：
6 9 mouse
1 2 print
2 7 scane
1 5 mouse
6 3 computer
【例15】使用set语句，利用数据集a，b建立永久数据集a：\mydir.c。
Libname path ‘a：\mydir’；
Data path.c；
Set a b;
Run;

4.4.2 水平连接数据集
使用merge语句可以水平连接两个数据集。连接数据文件时特别要注意两个文件记录之间的对应关系。
【例16】表5和表6表示数据集a和b，它们分别记录了学生的专业和家庭收入情况，将它们连接成一个新的数据文件。
表5 学生专业情况 表6学生家庭收入情况
学号 姓名 专业 班级 学号 家庭收入 家庭人口
34200 miaojing xinxi 8701 34108 3500.00 3
35012 wangmin tongji 2001 34200 6200.00 4
35228 dinghui xinxi 8701 34228 2400.00 4
35618 wangjian tongji 9019 35618 1500.00 3
36120 liufang jinrong 2006 36120 1800.00 3
36336 lanrui jinrong 2006 36336 2700.00 3
使用下面的程序连接表5和表6生成新的数据集，见表7.
Data a；
Merge a b；
Run；
新数据集的内容如表7所示。
学号 姓名 专业 班级 家庭收入 家庭人口
34200 miaojing xinxi 8701 3500.00 3
35012 wangmin tongji 2001 6200.00 4
35228 dinghui xinxi 8701 2400.00 4
35618 wangjian tongji 9019 1500.00 3
36120 liufang jinrong 2006 1800.00 3
36336 lanrui jinrong 2006 2700.00 3

4.5 使用修饰数据
5.