sas学习入门
第一章SAS入门
第一节简介
SAS是分析数据的软件工具,其提供的程序(procedure)可供分析者以简短的叙述，快速的从数据中颉取到所需的信息。SAS的DATA步骤所用的程序语法非常的简捷且具弹性，分析者可依自己的思绪安排数据, 于数据间畅行无阻。使用SAS软件统计、分析和颉取数据时，SAS系统处理所有大小事,遇到特殊先进的分析方法或欲作方法学研究，当系统没有提供适当的程序时,分析者可用其极具弹性的程序语法自由发辉。分析者只要安排好自己的思绪即可。
常用到的SAS软件有BASE和STAT(统计)两部份。可依需求附加绘图、预测、数据输入、数据库、联机接口等功能，扩展成一更完整的数据分析、展现、应用系统。
目前院内所使用的SAS版本，依操作系统区分有OS 6.04，WIN 6.12，OS2 和UNIX 6.12版。SAS系统在不同作业系下所使用的程序语法是相同的，些许差别在各系统下的档案管理格式，其余的程序语法都是相同的，因而SAS程序的可移植性是相文件高的。在考虑处理的数据量和系统环境使用的方便性，使用者可自行考虑在那个作业平台执行SAS程序。笔者就常在不同系统下转换SAS 程序或利用联机程序在不同操作系统下综合处理一件工作。
基础的SAS系统可有下列用途:
1. 数据储存与存取。
2. 数据编修和程序设计。
3. 编制报表。
4. 基础统计分析。
5. 档案管理。
而统计STAT部份，则提供一些较为复杂的统计，如回归、多变量、生命统计等统计程序。
第二节操作环境
SAS在不同的作业环境，其语法是相同的，其操作大环境也是类似的。先前使用SAS系统大部分是将程序备妥，而后以命令方式让系统运作，属于批次性的操作方式，这种方式在各不同的操作系统下是相通的，只要会选写SAS程序就能使SAS系统运作分析了，根本不必理会作业环境的差异。
当今各种操作系统皆提供图形接口，操作接口和处理速度的加强，促使现今分析资料可以使用交互式的操作方式来分析和展现数据，既要方便就要多学点操作系统的操作了。
第三节简单范例
在你准备执行的SAS工作平台上，启动SAS系统，将程序1-1 键入PROGRAM EDI T窗口中，依工作平台而异，请点选SUBMIT功能或在COMMAND LINE下SUBMIT指令，即可执行程序。
程序执行完毕后，先检视LOG窗口，可看到LOG1-1 内容，因操作系统和使用者不同，LOG窗口的内容会有些差异，但告知的重要讯息是相同的。
是否看到LOG1-1的讯息，那恭喜了，你己经会执行SAS且有结果产生。上面讯息告知WORK.BASE有5个观测值和三个变项，计算机执行DATA步骤花了0.22秒，执行FREQ程序花了0.11秒。接着我们可以检视OUTPUT窗口，可看到结果1-1 的内容，这个窗口所展示是SAS统计的结果。
第四节SAS输出
底下我们谈谈SAS系统的三个主要窗口：
PROGRAM EDITOR窗口为编辑SAS程序的地方,将内容存成档案时,其扩展名一般命名为SAS。程序执行过以后，程序代码会从窗口消失并储存在内存中，可用RECALL指令将内存中的程序再次叫回program 窗口。
LOG窗口为Program程序执行过程的记录，记录程序执行了那些叙述；产生那几个数据集；数据集中包含多少变量和观察值；程序中每个程序、步骤共享了多少CPU时间。如程序执行中间发生问题，它会指出程序出问题的位置并提供相当的解决方案等，用以确保结果的正确性，讯息记录会随程序的执行一直累计上去的，可以CLEAR指令将窗口清空。如欲将LOG内容存成档案时,其扩展名为LOG。
OUTPUT窗口为Program程序执行的结果记录，如程序没有任何输出或将输出导引至档案时，那这个窗口将不会有任何结果输出。如将窗口内容存成档案时,其扩展名为LST。OUTPUT窗口是不可编辑的。
如欲改变输出的页长、页宽时，可在程序中用OPTIONS PAGESIZE=76 LINESIZE=100;其中的76是指每页的行数，100是指每行的字数，SAS会依据页面大小输出适合版面数据。如想将结果导引至档案，可用PROC PRINTTO;程序。
请养成先看LOG窗口再看OUTPUT窗口的习惯。在LOG窗口没有ERROR的情形下, 并不保证结果是正确的。例如读入的数据值错误、格式错误、数据笔数不对等等，因而初学者一定要将LOG窗口的讯息看懂看清楚，不要忽略任何NOTE讯息，以确保读入的数据正确并得到正确的结果。
LOG窗口和OUTPUT窗口一旦清除是不能再叫回（RECALL）的，也不能在这两个窗口中作编辑（EDI T）。
第五节何谓SAS资料集
就如在不同的国度使用不同的语言、文字。要懂得它国语文，必先将它翻译我们所熟悉的语言。在计算机语言或数据中也有类似的情形，要使用不同系统建立的数据，必先将数据转换成该系统所熟悉的数据格式，才能使SAS系统最有效率的使用该数据。。
如将SAS比拟成现实社会的一员，那它必定是一位语言天才，它几乎可以转换现今存在的数据格式成为SAS 系统所使用的数据形态－称它为SAS数据集，它是一种结构化的数据储存形态，因应统计的特殊需求，加入一些有别于其它数据库的规格，如此SAS在读取和运算时能对SAS数据集作最有效的处理。 SAS系统在处理各种不同数据时，皆是将之转成统一规格的形态的数据集-SAS 数据集。
统计分析依赖数据，以操作方便性和使用习惯论，现今较常在PC看到的资料形态有: Dbase、Excel、ASCII 文字文件等格式，SAS软件提供有转换其格式数据成为SAS数据集的能力。SAS系统作各种分析统计时，都是使用SAS数据集格式，因此学习SAS的第一步便是习会建立SAS数据集。一般是用SAS的DATA步骤来建立SAS的数据集。
资料集建立后，就可以利用SAS提供的各种程序作统计、分析、绘图、预测等等作业，而其基础都是使用先前建立的数据集。
第六节何谓SAS程序
现在举一个例子，某公司要从高雄搬至台北，如要自己搬家，老板首先需要求每个员工将自己份内用得到
的对象打包装袋集中，而后择定日期雇车，全体动员一箱箱搬至货车，到达新址后，再一箱箱搬下车，而后拆箱归定位等，大小事情一堆，大家累得四脚朝天。
如老板一开始决定雇请专业的搬家公司，那员工只要将细软拿走，其余的杂事般家公司全权处理，大家轻松愉快。
SAS提供的程序就如专业的搬家公司，用专业熟悉的技能为你服务，烦杂的事不需自己来，只要几行叙述性的程序，SAS系统就能又快又正确的将工作完成，这就是SAS的proc程序。在选择proc程序来执行任务前，必须先将SAS数据集准备好，且了解资料的内函，才能知道该叫用何种SAS程序才适当，否则可能会造成要搬家，但请来的是清洁公司，但就差远了。
第七节分析顺序:
在SAS数据分析的过程中，DATA和PROC两种模块的使用，是没有特定的顺序，完全视分析者的需求而定。例如ATA ->DATA ->PROC ->DATA...，或PROC ->DATA ->PROC...皆可以，必须注意的事: 要先有SAS数据集，才能叫用PROC程序来分析数据，如无SAS数据集，则只能叫用能将其它数据库转换为SAS 数据集的PROC程序。
DATA步骤是学习SAS程序较为困难的地方，在以ASCII文字建立数据文件时，只要数据排列整齐，那使用DATA步骤建立数据集将是一件非常容易的事情；或在其它数据库软件中建立的数据，如DBASE、EXCEL 等，而后用SAS提供的数据格式转换程序也是相当简便。
PROC程序是SAS事先写好的模块，使用方式方便简单，每个程序的使用方法皆大同小异，相同的部份以下会有说明，而不同的部份在使用该程序的时候会再加以说明。唯各个研究的领域不同，使用的程序也不尽相同，因此请读者在深入探讨相关专业问题、接触到相关程序时，能先翻阅该程序的使用说明。
一个专题或报告，通常无法以一个DATA步骤或一个proc程序完成，程序执行于各模块间时，是用数据集来串连的。例如:由DATA步骤产生数据集AA，某程序将数据集AA读入分析，产生结果并制造另一新数据BB，BB数据集可由DATA 步骤重新整理和定义再产生新数据集；或再送至其它程序处理。可看出其重心皆在SAS的数据集。
程序1-1
data base;
input id sex age ;
cards;
01 1 12
02 1 15
03 2 16
03 2 18
04 2 15
;
proc freq;
tables sex;
run;
LOG1-1
1 data base;
2 input id sex age ;
3 cards;
NOTE: The data set WORK.BASE has 5 observations and 3 variables.
NOTE: The DATA statement used 0.22 seconds.
4 ;
5 proc freq;
6 tables sex;
7 run;
NOTE: The PROCEDURE FREQ used 0.11 seconds.
结果1-1
Cumulative Cumulative
SEX Frequency Percent Frequency Percent
-------------------------------------------------
1 2 40.0 2 40.0
2 3 60.0 5 100.0
第二章SAS程序语法概说
第一节SAS 程序基本格式:
⊙字母不分大小写（文件名，文字变量的值例外）。
⊙每一叙述(完整的命令statement)之后要加分号、;、。
⊙字与字之间如需有空白，可有1-无限多的空白。
⊙每一行中可有多个叙述或一个叙述分成多行撰写。
⊙建议每一叙述占用一行，并用缩排方式撰写程序。
以这种格式书写的程序较易读懂和修改。
例如：
data base;
infile 'base.dat';
input id sex yymm @@;
proc freq;
tables sex;
run;
下面所列程序的功能和上面程序比较，就功能言是相同的，但就阅读和维护上言，是以上面的较佳。
data BASE; infile 'base.dat';
input id sex
yymm @@;
proc freq;
tables
sex;
run;
第二节SAS的模块化设计
一般数据分析的流程为：建立数据(使用DATA步骤) -> 统计运算(使用PROC程序) -> 统计报表自动输出。
在往后的叙述中，我们称DATA步骤和PR OC程序为SAS的二个模块。在SAS程序中模块间是独立的，亦即当SAS程序在执行过程中，其中某一模块的程序语法有问题时，那么这个有问题模块就可能被停止执行，而SAS会紧接着处理下一个模块。
SAS程序是以模块的方式执行，在程序叙述间一般我们用RUN;叙述作为模块的结束，但这并不意味可随意用RUN;叙述。模块有模块的样式，在DATA步骤、PR OC 程序不同的模块内可出现的叙述并不一样。
DATA步骤：用以建立、修改数据集等，几乎所有数据的处理皆由此模块执行。模块开始:以DATA为开头的叙述。DATA步骤中使用的叙述有改变数据值、指定变量值等。模块结束:遇到以DATA、PROC、RUN、ENDSAS等开头的叙述或遇到程序文件的文件尾。
从模块开始，SAS系统一行一行的读入叙述。当读到以PROC或DATA叙述时，代表是一个模块的结束，且是另一个模块的开始，此时系统会先处理这个模块，而后继续读入叙述处理下一个模块。
当SAS读入叙述时，读到RUN;这个叙述时，SAS系统会将上一个模块和RUN;之间的叙述当成一个模块且处理和执行。
当读到ENDSAS;这个叙述时，SAS系统会将上一个模块和ENDRUN;之间的叙述当成一个模块且处理和执行，处理完毕后自动关SAS系统。
当SAS系统读入了一些叙述，但最后一直未出现模块结束的条件时，则SAS 系统则将这些叙述，保留在一块内存中，直到有模块结束的叙述被读入且构成一模块时，再一并处理。
PROC程序:用以执行SAS系统内建的一些建大功能，如计算回归、变异数分析等，其特性是可用简短的叙述执行强大的运算，并得到完整的结果。
PROC模块内可用的叙述通常是一些选项，用以选择用何种统计方法，要有那些结果输出等，初开始接触SAS或对某一PROC较生疏者，可以省略这些选项，SAS系统会用事先设定的模式内容-称之为内定值，计算出一般常用的式子和结果，等到熟悉了程序后，更可以依自己的需求，要求更多更详细的数据或只要印出一些必要的数据，不用让费篇幅印出一大堆参考数字。
如同DATA模块，遇到以DATA、PROC、RUN、ENDSAS等开头的叙述或遇到程序文件的文件尾，即表PROC 模块结束。
第三节批注的使用
在程序中使用批注是非常重要的。例如将程序的功能和目的、暂存变量的说明、公式转换的说明等等写成批注放在程序的里，以备日后查阅和维护。当然要将程序交给别人时，有批注就更方便了。若有些程序片段可能暂时不要执行，也可以用批注方式将程序当作批注处理。
所谓批注就是给人看的，SAS程序遇到这些批注行时，会直接略过不加处理。
SAS 的批注方式有下列两种，区块批注和行批注。
区块批注: 在"/*"和"*/"这两组符号中间夹着的所有文字皆为
批注，可以跨行或只占一行中的任一部分，如
/* DATA AA; */
DATA /*建立数据*/ AA;
不可使用巢式批注，即批注里不可再含有批注，
如下式是不对的:
/* DATA /*建立数据*/ AA; */
行批注:在行的最前头以"*"注记，可将
"一个叙述"(statement)注记为不执行:如
*DATA AA;
下式只有DATA AA;不执行，而INPUT A;仍然会执行。
因DATA AA;即为一完整叙述。
*DATA AA; INPUT A;
第四节OPTIONS、TI TLES和FOOTNOTE的使用
OPTIONS、TITLE和FOOTNOTE这三个叙述可用在程序中的任何地方，一但程序执行到这些叙述时，叙述内容即发生作用，且其影响范围直至SAS系统关毕或遇到下一个相同的叙述为止。
OPTIONS叙述可用以改变一些系统设定值，如:OPTIONS PS=60 LS=78 ; 改变LOG和LST窗口的输出页大小。
TITLEn和FOOTNOTEn叙述可用来设定OUTPUT窗口的标题和注标，n可为1-10的数字。当你设定标题后，除非删除该行或另外再定义行数一样的标题，否则以后的输出标题行都会存在。一个TITLEn已知的标题行会删除前面同样行数的标题，同时大于n值的标题也会被删除，要删除所有存在的标题可用TITLE;叙述。
TITLE1 'FIRST TI TLE';
TITLE2 'SECOND TI TLE';
TITLE3 'THIRD TI TLE';
TITLE4 'FOR TH TI TLE';
TITLE2 '第二列标题'; /* 只有第一和第二标行会印出*/
/*注意叙述生效的位置*/
PROC PRINT;
TI TLE 'TI TLE FOR FIRST PROC';
PROC MEANS;
RUN;
/*TITLE叙述作用于PROC PRINT和PROC MEANS两个程序*/
PROC PRINT;
RUN;
TITLE 'TI TLE FOR FIRST PROC';
PROC MEANS;
RUN; /*TI TLE叙述仅作用于PROC MEANS程序*/
OPTIONS：为SAS的系统选项,一旦改变其值则自改变处起,往下所有的DATA和PR OC程序皆会有作用。
使用方式：OPTIONS options;可在程序中任何地方出现。
OPTIONS PS=60 LS=78 NOCENTER NODATE；
PS=n 界定印出报表每一页的长度
LS=n 界定印出报表每一页的宽度
NOCENTER/CENTER 输出的结果是否摆在报表的中央
NODATE/DATE 是否印出日期
NUMBER/NONUMBER 是否印出页码
FIRSTOBS=n 从第几笔开始处理数据集
OBS=n,max 只处理资料集的前n笔(测试程序时,可将
n减少或定为0，可减少处理数据的时间)。
MISING='字符' 界定数据集中的那些字符是属缺失值。
第三章DATA步骤
第一节于DATA步骤中的SAS语句
SAS Dataset 的运作
⊙SET 观察值的串并和分成子集
⊙MERGE 合并不同数据集的观察值
⊙KEEP 保存变项
⊙DROP 剔除变项
⊙OUTPUT 将观察值存入sas dataset
⊙DELETE 删除观察值
⊙FIRST.var、LAST.var 判别观察值是否为群组的
第一或最后一笔数据
⊙_N_ 目前data step 中处理的观察值的流水编号
⊙RETAIN 保留上笔观察值的信息
⊙ARRAY 以数组的方式处理变项
⊙指定变值x=5;
⊙改变数值x=x+5; x=x+b;
⊙逻辑判断if x>20 then x=20;
⊙分组if age> 5 then agp=2; else agp=1;
⊙删除观测值if age=. then delete;
⊙保留观测值if age >0 ;
⊙保留、删除变数keep vars.....; drop vars... ;
⊙函数的使用mdbp=mean(dbp1, dbp2 ,dbp3) ;
mdbp=mean(of dbp1-dbp3);
mdbp=mean(of dbp1-dbp2 ,dbp3) ;
⊙资料串拼data aa; set a b;
data aa; set a; set b;/*不正确*/
⊙数据合并data aa; merge a b;by vars;
data aa; merge a b;/*不正确*/
第二节SAS 数据集的建立
SAS数据集的建立依数据来源的不同有各种不同的方式，如下:
使用DATA步骤从ASCII文件读取数据，以INFILE叙述界定ASCII的文件名称，以INPUT叙述定义变量名称并指出数据在ASCII文件的相对字段。
用程序仿真产生数据集：以OUTPUT配合STOP叙述。
利用PROC ACCESS；程序读取其它常用数据库的数据集，如DBF、DIF、EXCEL等，并建立SAS数据集或SAS的VIEW数据集。
由已存在的SAS数据集建立，如：串并资料集：使用set叙述。合并数据集：使用merge叙述。
由某些PROC程序产生：系统中有某些PROC程序可将运算的结果，直接储存成数据集以供进一步分析。如PROC MEANS、PROC REG等。
PROC SQL程序产生的TABLE或VIEW建立数据集。
第三节读取外部数据集
数据库介绍->TXT文件、DBF文件和SAS 数据文件
利用libname指出sas 数据文件存放的位置
读取TXT檔使用infile、input 和data filename
认识分析资料的性质->每个案笔数、总笔数、
变项名称及其位置
变量名称和格式的设定
LABEL的使用
FORMAT的使用
(1).数据建文件时,数据格式、位置的安排完全自由,但要有逻辑可循。最好是排列整齐(可左靠或右靠),数据之间留或不留空白皆可。
(2).data value (资料值) -- 遇缺失值时请留空白或打入'.'。
(3).observation (观察值) -- sas在统计处理数据时,视每笔观察值之间是独立的。
(4).variable (变数) -- 变量名称由1-8个字符组成,并以字母开头。变量依其内函值分[文字变量]、[数字变量]两种。
永久数据集和暂存数据文件的差异。
第四节确认读入的数据
查看log窗口最否有语法错误及其变量个数和数据笔数。MISSING值的产生.如原值为12误植为1 2，I2
等。利用PROC PRINT; 查看SAS数据集的内容。利用proc sort nodupkey; by caseid; 查看sas资料集中是否有重复的caseid。
第五节SAS数据集内容
利用PROC CONTENTS; 查看SAS数据集的表头数据。利用command-> DLGLIB 叫用数据馆管理查看数据集
第六节值的大小比较
两文字变量值的比较，如逻辑正确则值为1，错误则值为0 (长度不同时，较短的变量补上空白)
'aa ' > 'aa' 0
' aa ' < 'aa' 1
'aa ' = 'aa' 1
'ab' <=: 'a' 1
使用>=:、<=:、=:比较时，文字长度不同时，较长的变量会将多出的部份删除。
如同文字变量，两数字值的比较，逻辑正确则值为1，错误则值为0。如值为0或'.'则结果为0，其它值时则结果为1。
1 > 5 0
100 < 1001 1
50 1
0 0
-20 1
. 0
叙述a=b=c;则a的值不是1就是0，当b=c则a的值为1。
叙述a+b=c;则a的值为原有的值加上1或0，当b=c则a的值加上1。
在DATA STEP 中叙述IF a IN (1,2,3,5,7)；表只保留a变量的值为1,2,3,5,7的观察值。如为文字变量可写为IF a IN ('1','2','3','5','7');其反述为IF a NOTIN ('1','2','3','5','7'); 在文字变数字可用IF a IN: ('1','2','3','5','7') ;其意义表留下a变量以1,2,3,5,7开始的文字符串的观察值。
第七节缺失值
键入原始数据时，缺失值一般而言，可用'空白'或逗点'.'表示。但须注意：以行输入时，数字变量可用空白或'.'、文字变量请用空白，不要用'.'。用列举变变输入时，不管数字或文字请月'.'表缺失值。在程序中缺失值的表示法：数字变量用[.]表示，如IF a=. THEN DELETE;。文字变量用['']表示，如IF name='' THEN DELETE;
一般视数字变量的缺失值为无限小，但文字变量的缺失值就不一定是最小，因在文字变量中，空白值即为缺失值，但比'空白'小的ASCII码还有很多。
MISSING叙述的使用：时机：在数字变量中，会发生缺失值的状况有多种，如：问卷中提及年龄时，可能有下列答案:
1.先生回答30岁
2.女士不回答
3.小孩回答不知道
4.老人说忘记了
5.访员忘记问
编码：对于上叙答案中，除了先生的答案有效外，其余的回答皆应归类为缺失值，如须在缺失值中细分拒答(R)、不知道(N)、忘记年龄(F)、忘了问(.)等，可用一英文字母替代。
使用方式：在程序中宣告MISSING R N F M ...;叙述。
在PROC程序中，所有种类的缺失值都一视同仁，皆归类为MISSING值，不参与统计运算。
在DATA步骤中,各类的缺失值其值大小是不一样的，依上述编码，如在DATA步骤中写：IF ans=. THEN PUT id= ; 则只有访员忘了问的个案编号才会列出。如在DATA步骤中写：IF ans=.R THEN PUT id= ; 则只有不回答的个案编号才会列出。
在DATA步骤中,分类后的缺失值其值的大小为： ._ < . < .A < .B <...< .Z。因此要将年龄变量中所有含缺失值的个案编号列出，在DATA步骤中必须写成：IF ans <= .Z THEN PUT id=;
第四章SAS程序
第一节SAS程序语法概论
SAS 数据集建立后,即可利用SAS 程序加以分析、处理。SAS 程序是由一些程序组成, 可以读入SAS 资料集、计算统计量、印出结果或建立其它的SAS 数据集。在DATA步骤中可以利用SAS 的指令构建程序以处理数据、描述建立的数据集。而在PROC程序可以依特定目的呼叫适当的程序。
最简单的PROC程序，其内定的处理程序为：
1.系处理最新建立的SAS 数据集。
2.系处理所有的变量, 并对所有的数字变量执行运算。
3.系处理数据集的全部数据, 而非部份资料。
大部份SAS 程序所共享的叙述。
BY var→将输入的数据集, 依var变量分组作分析。
CLASS sex→指定分析时的类别变量sex。
FREQ fq→指定一变量，以代表这笔观察值出现的次数。
ID caseid→指定一个或多个变量，作为输出报表观测
值的识别变l数。
MODEL bp=sex age→指出在一个模式中，独立变量和
相依变量名称。
OUTPUT out=dataset mean=mage; →指出新建输出资料
集中的相关资料。
VAR height weight→指出即将分析的变量名称。
WEIGHT lkk→指出某一变量作为观测值的权数。
经常使用于说明变量属性的叙述句为:
FORMAT date yymmdd6. →指出变量值以何种格式展现
（如日期以民国或公元印出）。
LABEL date='日期'→将date变量名称以'日期'替代印出。
第二节在PROC中处理数据子集
在PROC程序中可使用WHERE叙述,以取得部份观察值进行分析。
proc print data=sasuser.class(keep=name sex height);
where sex='F';
第五章数据的读取、建立
第一节文字和数字间的互转
1.注意:尽可能在INPUT时界定好变量的属性:往后需要作计算的变量用数字变量。含有文字或不需计算的变量用文字变量读入。
2.生米煮成熟饭时:面对现实,加点功夫补救吧。
3.不择手段:YY表年龄的文字变量,令AGE=YY+0; 则AGE为数字变量-->快则快矣,但LOG会有讯息告'诉'你违规。数字变文字-->加强拖钓,不准违规。
4.利用INPUT()函数:文字变数字。AGE=INPUT(YY,3.); 其中YY为文字变量,3.为编修(FORMAT)符号,AGE 为数字变量。
5.利用PUT()函数:数字变文字。YY=PUT(AGE,3.); 其中YY为文字变量,3.为编修(FORMAT)符号,AGE为数字变量。
6.实例/*出生数据的读入(民国五十年四月十二日出生,现在年龄为何*/
DATA aa;
INPUT birthday ; /*以一般数字读入*/
bir=input(put(birthday,6.),yymmdd6.);
age= (DATE() - birthday) /365.25;
CARDS;
610412
;
DATA aa;
INPUT birthday yymmdd6.; /*以公元日期格式读入*/
age= (DATE() - bir) /365.25;
CARDS;
610412
;
第二节DATA数据集的操作
第一项copy一份资料集
DATA aa;
SET jim.urine;
/*没有特殊原因,不要用此data step,你没有功劳或苦劳,但计算机会疲劳*/
第二项将变项分成多个子集
DATA aa;
SET jim.urine;
KEEP id date no time;
* DROP u_hi;
DATA aa;
SET jim.urine (KEEP=id date no time);
* SET jim.urine (DROP=u_hi);
DATA aa(keep=id date no time);
*DATA aa(DROP=u_hi);
SET jim.urine ;
DATA aa(keep=id date no vol);
SET jim.urine(drop=time);
vol = u_hi*3.1416*2.5*2.5 ;
DATA aa(keep=id date no time) bb(keep=id date no u_hi);
SET jim.urine ;
第三项将观察值分成多个子集
DATA aa;
SET jim.urine ;
IF date < 400 ;
* IF date < 400 then OUTPUT;
* IF date >=400 then DELETE;
DATA aa bb;
SET jim.urine ;
IF no = 1 then OUTPUT aa;
/*sas dataset aa仅含no=1的观察值*/
OUTPUT bb;
/*sas dataset bb和jim.urine的数据完全相同*/
/*注意:在DATA STEP 中,当DELETE指令执行后,则剩余的
指令将不再执行,程序重头开始处理另一全新的
观察值。
而OUTPUT指令执行后,将续继执行剩余的指令。*/
第四项产生新变量或改变变量值
DATA aa bb;
SET jim.urine ;
u_vol = u_hi*3.1416*2.5*2.5 ; /*产生新变量*/
* u_hi = u_hi*3.1416*2.5*2.5 ; /*改变变量值*/
/*注意:1.改变变量内容时,请注意'数字'改为'数字',
'文字'改为'文字',不可互换。
2.改变数内容时,如加上逻辑判断时,请特别注
意每一步骤变量值的变化，否则请以另一新
变量接收新值,而不要直接更改变量内容。
3.特别注意missing资料的归属问题*/
/*IF age >50 then age=3;
if 20 <= age <=50 then age=2;
if age < 20 then age=1 ; */
DATA male female;
SET pepole;
IF sex=1 THEN OUTPUT male;
ELSE OUTPUT female;
/*dataset male含sex=1的观察值, dateset femal含sex等于其它值的观察值。dataset male,female的观察值总和等于dataset pepole的观察值笔数。*/
DATA male female;
SET pepole;
IF sex=1 THEN OUTPUT male;
IF sex=0 THEN OUTPUT female;
/*dataset male含sex=1的观察值, dateset femal含sex=0的观察值。dataset male,female的观察值总和小于或等于dataset pepole的观察值笔数。*/
第五项串并资料集
data a1;
input id sex ht wt bmi;
cards;
1 1 16
2 52 25.2
2 1 158 50 25.1
3 2 150 45 24.0
;
data a2;
input id sex wt ht ;
cards;
1 1 5
2 162
2 1 50 158
3 2 45 150
4 2 40 145
5 2 65 170
;
data aa;
SET a1 a2;
run;
/*注意:1.串并时如果有不同的变量,则除了自己拥有的变量外, 其余变量皆为缺失值。
2.串并时,请注意是否某些变量其变量名称相同,但属性不同。 */
data aa;
set a1(in=in1) a2;
if in1 then class=1;
else class=2;
* class= in1 + (in1=0)*2;
data aa;
set a1(in=in1) a2(in=in2);
class=in1*1 + in2*2;
/* 1.data set之后可加入IN=var选项,记录此data set是否对新产生的观察值有贡献，有贡献则var=1，否则为0 。
2.在逻辑判断式中,成立时则其值为1,不成立时则其值为0。
3.在逻辑判断式中,变量值=0时其逻辑判断式为'伪',其它值时,其判断式为'真'。因此上面的程序可产生一新变量class ,记录观察值来自那一个dataset。 */
data aa;
set a1;
set a2;
/* 错误示范结果为数据一对一合并,数据笔数为合并的dataset中笔数最少者 */
第六项穿插资料集
proc sort data=a1; by id;
proc sort data=a2; by id;
data a12;
set a1 a2; by id;
run;
/*注意:使用by指令串并数据时,数据的观察值按id 的大小顺序放入a12数据集中。否则a12数据集中观察值的顺序是先放a1再放a2*/
第七项MERGE 合并数据
data b1;
input id dbp sbp;
cards;
1 90 120
3 65 125
2 75 110
;
data b2;
input id sex dbp sbp;
cards;
1 1 90 120
2 1 75 110
3 1 105 165
3 1 108 155
4 2 87 124
;
/*一对一合并,无条件的合并*/
data ab1;
merge a1 b1;
/*一笔a1的数据配一笔b1的数据,合并后的数据笔数为笔数最多的资料集。此种方式不常用(通常是错误的使用)。*/
/*配对的合并,利用BY叙述*/
proc sort data=a1; by id;
proc sort data=b1; by id;
data ab1;
merge a1 b1;
by id;
run;
/*注意:1.使用MERGE合并数据时,务必使用BY叙述。未用BY叙述的合并,通常非吾所要。2.合并所用要的SAS DATASET务必确定已照BY叙述中变数的大小排列。*/
第八项配对所产生的问题
1.没有BY值配对者,则当笔观察值的变量值为missing。可利用变量IN=var来判断一数据集对新建的观察值是否有贡献。
proc sort data=a2; by id;
proc sort data=b2; by id;
data ab2;
merge a2(in=in1) b2(in=kk);
by id;
IF in1 and kk;
*IF in1=1 and kk=1 THEN OUTPUT;
2.数个观察值有相同的BY值,如b2中有ID重复，merge 时会有一样的HT,WT
3.合并的数据集中有相同的变量名称(BY变数除外): 若只有一个相同BY值的观察值,则新数据集的变量值是最后一个数据集的值。若有多个相同BY值的观察值,则新数据集的变量值是最后一个有页献的数据集的值。解决方案:将其中不要的变量值自DATASET中DROP掉。
DATA a2和b2中均有sex的变项存在,已知DATA aa中的sex值是正确的。
DATA ab2;
MERGE a2 b2(DROP=sex);
BY id;
4.两个数据集中,相同的BY值均有多个相同的观察值,如AA数据集存放个案三餐的饮食(早、中餐可能吃了某些相同的食物,而BB资料集中存放食物品名和其组成。
如想依食物品名合并AA和BB两档,是否可行?
第二节FIRST.var、LAST.var和_N_的使用
/*假如aa这个dataset经PROC SOR T;BY class sex ; 处理过后,得到如下的数据:往后在将此数据集作合并、串并处理时,加入BY class id ;叙述时,可有下列4个变项可供逻辑判断时使用:first.class, last.class, first.sex ,last.sex 这些变量的值,不是0 就是1,变化请见下表:
class id sex ht wt first.class last.class first.id last.id
1 1 1 16
2 52 1 0 1 0
1 2 1 158 50 0 0 0 1
1 3
2 150 45 0 1 1 1
2 1 1 162 52 1 0 1 0
2 2 1 158 50 0 0 0 1
2 3 2 150 45 0 0 1 0
2 4 2 145 40 0 0 0 0
2 5 2 170 65 0 1 0 1
上面所提的first.var , last.var 和IN=var一样,如果你有界定则可在DATA SETP中使用,而_N_这个变量则必可在DATA STEP中所用, 但上面所提的这些变项皆不会储存到数据集中,除非你另外指定, 如F_ID = FIRST.ID；以F_ID这个变项接收FIRST.ID的值。*/
PROC SOR T DATA=aa;
BY class sex;
DATA aa;
SET aa;
BY class sex;
IF first.class ; /* dataset aa含每班第一个人的资料*/
DATA aa;
SET aa;
BY class sex;
IF first.sex ; /* dataset aa含每班第一男或女的资料*/
/* data step中,在每一个新的loop回路开始时, 所有的变量值皆会清除, 变为missing，以免上一笔观察值的值留给下一笔资料。但有时上下笔观察值有关系存在,则须要保存上一笔某变量的值时,则可用RETAIN叙述来保存。使用方式为:RETAIN var_list initial_value ...; 或:sum变数, 用方为total+1; */
第三节观察值的合并或分离
第一项单笔变多笔(横式变直式)
设aa资料集含id dbp1-dbp4 五个变数。现欲将aa转换为bb数据集, 含id no dbp三个变量,其中no为记录是第几次测量的血压。
方法一(从ASCII文件读入数据时即分开读取）：
data bb;
input id dbp @;
no=1; if dbp>0 then output;
input dbp @;
no=2; if dbp>0 then output;
input dbp @;
no=3; if dbp>0 then output;
input dbp ;
no=4; if dbp>0 then output;
cards;
1 70 75 86 80
2 85 82 86 84
3 7
4 52 80 62
4 90 . 62 72
5 75 80 . 75
;
方法二(由SAS DATASET步骤分开）：
data aa;
input id dbp1-dbp4 ;
cards;
1 70 75 86 80
2 85 82 86 84
3 7
4 52 80 62
4 90 . 62 72
5 75 80 . 75
;
data bb;
set aa;
no=1; dbp=dbp1; if dbp>0 then output;
no=2; dbp=dbp2; if dbp>0 then output;
no=3; dbp=dbp3; if dbp>0 then output;
no=4; dbp=dbp4; if dbp>0 then output;
keep id no dbp;
run;
第二项多笔变一笔(直式变横式)
设bb数据集中,含id no dbp三个变量,其中no为记录是第几次测量的血压。现欲将之转换为aa数据集含id dbp1-dbp4五个变数。*/
PROC SOR T DATA=bb; BY id no;
DATA aa;
SET bb;
BY id no;
RETAIN dbp1-dbp4 ;
IF no=1 then dbp1=dbp;
else if no=2 then dbp2=dbp;
else if no=3 then dbp3=dbp;
else if no=4 then dbp4=dbp;
IF last.id THEN DO;
OUTPUT;
dbp1=.; dbp2=.; dbp3=.; dbp4=. ;
END;
DROP no dbp;
run;
/*使用ARRAY可简化程序的的写作,使程序维护和阅读容易。*/
一笔变多笔
DATA bb;
SET aa;
ARR AY bp{4} dbp1-dbp4;
DO no=1 TO 4;
dbp=bp{no};
if dbp>0 then output;
END;
DROP dbp1-dbp4;
多笔变一笔
proc sort data=bb; by id no;
data aa;
set bb;
by id;
retain dbp1-dbp4;
array bp{4} dbp1-dbp4;
bp{no}=dbp;
if last.id then do;
output;
do i=1 to 4;
bp{i}=.;
end;
end;
drop i no dbp;
run;
第六章程序使用
第一节DBF程序直接读取DBASE档案※
在PC中存有一附文件名为DBF的资料文件,文件名为urine.dbf,现在欲把它转为SAS的DATASET，档名取为uu
1.直接利用PROC DB3;程序读取
FILENAME jim 'urine.dbf';
PROC DBF DB3=jim OUT=uu;
2.先在DBASE软件中,将档案转为ASCII檔,而后再以一般SAS读取数据(INFILE、INPUT)的方式读入数据在DBASE软件中
.USE URINE
.COPY TO UU SDF &&产生一文字文件,文件名为UU.TXT
.QUI T
书写一SAS程序
DATA uu;
INFILE 'uu.txt' LRECL=n PAD;
INPUT id .......;
注意BASE软件无法处理MISSING的数据。建议:将DBASE的字段全部设为文字型态, 利用DBASE的数据管理能力来管理数据。用DBASE档转换为ASCII文件的方式,读取数据成SAS文件,作统计分析。
注意：在DBASE中如果有删除数据，经SAS的PROC DBF处理时，仍会将删除的整笔数据转入。
第二节ACCESS程序撷取DBF和XLS数据库
可在SAS的MAIN MENU中选FILE中的IMPORT或EXPOR T，即可将多种不同格式的数据转入或转出。以下使用proc access程序转换DBASE文件至SAS
proc access dbms=dbf;
create work.dbase.access;
path="c:\class\dbase.dbf";
assign=yes;
create work.dbase.view;
select all;
subset where delete_f=' ';
run;
以下使用proc dbload程序转换SAS文件至DBASE
proc dbload dbms=dbf data=dbase;
path="c:\class\dbase2.dbf";
load;
run;
以下使用proc access程序转换EXCEL文件至SAS
proc access dbms=excel;
create work.excel.access;
path="c:\class\excel.xls";
getnames=yes;
scantype=5;
assign=yes;
create work.excel.view;
select all;
run;
以下使用proc DBLOAD程序转换SAS文件至EXCEL
proc dbload dbms=excel data=excel;
path="c:\class\excel.xls";
putnames=y;
LIMIT=0;
load;
run;
第三节CONNECT程序连接远程主机
/*起动联机程序*/
options comamid=tcp remote=gate1;
filename rlink 'tcpunix.scr'; /* 必要时写上绝对路径*/ signon;
/* 将程序送至远程执行,并将执行结果送回 */