The little SAS book 学习笔记第三章.docx
《The little SAS book 学习笔记第三章.docx》由会员分享，可在线阅读，更多相关《The little SAS book 学习笔记第三章.docx（14页珍藏版）》请在冰点文库上搜索。
ThelittleSASbook学习笔记第三章
ThelittleSASbook学习笔记
第三章开发你的数据
3.1创建并重新定义变量
可以通过分配语句来创建并重新定义变量，基本形式为：
Variable=expression
Variable是变量名，expression可以是常量、其他变量、或者数学表达式。
分配语句的基本类型有：
Expression是数学表达式时，需要遵循运算法则，先算指数、再算乘除、之后是加减。
可以用括号改变运算等级。
例子如下是一个农产品估重数据，每位农民要求对他们的番茄、南瓜、豌豆、葡萄进行估重：
下面代码从garden.dat原始文件中读取数据，并进行修改：
这个程序包含了5句分配语句，第一个将14赋值给zone，第二个使type等于一个字符串常量……打印出的结果中，既包括旧变量，又包括新变量：
由于观测值susan的peas变量出现了缺失值，因此这个观测值的total和pertom变量也出现了缺失值。
日志窗口的说明如下：
NOTE:
Missingvaluesweregeneratedasaresultofperforminganoperationonmissingvalues.
3.2使用SAS函数
SAS有400多个函数，主要涵盖如下领域:
函数基本形式：
function-name（argument,argument,…），所有的函数都需要括号，即使没有参数。
下面的程序计算使用MDY函数，MDY函数需要三个参数：
月、日、年。
Birthday=MDY（MonthBorn,DayBorn,YearBorn）;
函数可以嵌套，即一个函数可以是另一个函数的参数。
比如：
NewValue=INT（LOG（10））;
例子有一个南瓜雕刻比赛的数据，pumpkin.dat数据包含了参赛者的名字、年龄、雕刻的南瓜类型、报名日期、五位裁判给出的分数。
下面的代码读取了数据、创建了两个新变量、转换了一个大小写：
AvgScore使用均值函数创建的变量，计算参数的均值，这与直接相加再除以5不同的地方在于，当参数中出现缺失值时，直接相加再除的方法返回缺失值，而均值函数计算非缺失参数的均值。
DayEntered变量使用DAY函数，返回日期在一个月里的天数。
Type用大写转换函数将原来的字母转换成大写字母。
结果是：
3.3选出的SAS字符函数
3.4选出的SAS数值函数
3.5使用IF-THEN语句
条件语句IF-THEN的基本形式为：
IF条件THEN执行;
比如：
IFModel='Mustang'THENMake='Ford';
条件语句中的一些基本比较符号：
还有IN比较符，比如这句中IFModelIN（'Corvette','Camaro'）THENMake='Chevrolet';代表当Model为Corvette或Camaro的时候，将Chevrolet赋给Make。
一个条件只能有一个执行，如果要多个执行，则需要DO和END关键字。
可以用AND和OR来定义多个条件：
IFModel='Mustang'ANDYear<1975THENStatus='classic';
例子如下的数据包含了模型的名字、年份、制造商和颜色：
下面的代码从cars.dat的原始文件中读取数据，使用IF-THEN语句填满缺失值，并创建一个新变量Status
输出结果如下：
3.6用IF-THEN语句将观测值分组
IFTHEN/ELSE的一般形式为：
IFconditionTHENaction;
ELSEIFconditionTHENaction;
ELSEIFconditionTHENaction;
用else语句与直接用多个IF-THEN语句比起来，有两个优势，第一是更有效率，电脑将占用更少的时间；第二是else可以确保你的两个condition之间互斥。
有时候最后一个ELSE只有action，没有IF-THEN：
例子有一个住房改善的数据，home.dat，包括了姓名、改善工作、改善成本：
下面的代码读取数据，并新建了一个CostGroup的变量。
根据Cost的值将数据分成high、medium、low和missing三类：
输出结果是：
3.7构造子集
IF语句可以构造子集，取数据集中的部分数据。
基本形式为：
IF+expression;比如：
IFSex='f';
如果IF条件中的数据是真，则数据步将继续执行。
还可以使用DELETE语句，来删除哪些不要的数据：
IFexpressionTHENDELETE;
这两句话是等价的：
IFSex='f';IFSex='m'THENDELETE;
例子有关于莎士比亚歌剧的清单，Shakespeare.dat，包含歌剧名、首次表演年份、类型：
下面的代码读取数据，并且用IF语句构造一个只包含喜剧（comedies）的子集：
输出结果如下：
观察日志有时能很好的保证我们截取了我们要的数据：
在这个例子中，用DELETE等价的语句为：
IFType='tragedy'ORType='romance'ORType='history'THENDELETE;
3.8处理SAS的日期数据
日期数据的处理很棘手，有的月份有31天、有的30天、有的28天。
SAS简化的日期数据，将所有的日期转化成一个以1960年1月1日为起点的数。
比如：
SAS处理日期数据的三个工具为：
读取数据的informats，使用数据的函数（functions），打印数据的formats。
Informats读取日期数据需要用formattedinput。
比如，如何告诉SAS用MMDDYY10.informats读取名为BirthDate的变量：
INPUTBirthDateMMDDYY10.;
设定默认的百年07/04/76这样的数据可能是1976，也可能是2076、1776。
因此需要YEARCUTOFF=来指定一个一百年的第一年，默认的是1920年。
下面的语句就是告诉SAS将一个两位年份的日期解释为1960年到2049年之间：
OPTIONSYEARCUTOFF=1950;
SAS表达式中的日期一旦被以SAS日期格式读取之后，可以将此数据想其他数值数据一样用在表达式中。
比如像为图书馆的书设定21天的还书日期，只需要在结束日期上加上21：
DueDate=CheckDate+21;
通过在表达式中加入引号和字母D，可以将一个日期当做常数来使用，如下的代码创建了一个EarthDay05的变量，并且等于April22,2005
EarthDay05='22APR2005'D;
函数SAS日期函数使得操作大大简便，比如today（）返回今天的日期。
语句DaysOverDue=TODAY（）-DateDue;可以计算一本书应归还的剩余期限。
Formats打印日期数据时，还需要将数值换成日期，下面的FORMAT语句告诉SAS用WORDATE18.格式打印变量BirthDate。
FORMATBirthDateWORDATE18.;
例子图书馆有借书卡数据，Dates.dat，包含持卡人姓名、出生日期、卡办理日期。
下面的代码读取数据，计算变量使用期限（expiredate），使用期限为3年；变量expirequarter计算使用期限的四分之一，使用函数QTR（）。
接着用IF语句来判断一个卡是否为新卡，在2003年1月1日之后办理的，为新卡：
输出结果为：
注意BirthDate没有用日期格式。
3.9可选择的DateInformats、Functions和Formats
下面是例子：
3.11使用retain和sum语句
当开始数据步的每一个观测值迭代时，SAS会先将所有变量值设为缺失，再通过input和分配语句改变。
Ratain和sum语句可以改变这种方式。
Retain语句retain语句可以让SAS保存前一次变量的值。
它可以出现在数据步的任何位置，基本形式为：
RETAINvariable-list;
也可以指定一个初始值，而不是用缺失值或前一次的值代替初始值
RETAINvariable-listinitial-value;
Sum语句SUM语句用于你想将一个表达式的值累加到一个变量上去时，基本形式为：
variable+expression;
这个语句将表达式的值赋给变量，同时将变量的值保留到下一次迭代。
这个变量必须是数值型，且初始值为0。
因此，语句等价于如下形式：
RETAINvariable0;
variable=SUM（variable,expression）;
例子有一个关于本赛季棒球比赛的数据，games.dat，包含比赛日期、参赛队伍、hit数据、runs数据
现在需要增加两个变量，一个反应本赛季的总runs数，一个反应一场比赛中最大的runs数。
下面的代码用sum语句实现总run数，用retain和max函数实现最大runs数：
变量maxruns取前面迭代的maxruns和runs中最大值；变量runstodate将每一场比赛的runs都加到自己身上。
结果如下：
3.12用数组简化程序
对于太多变量要处理的程序，数组将大大简化程序。
SAS中，数组是一组变量，变量可以是已存在的，也可以是新创建的。
数组在数据步中用ARRAY来定义，基本形式为：
ARRAYname（n）$variable-list;
Name是数组名，n是变量数，（）也可以用[]和{}代替。
如果变量是字符串，则需要$，且变量是新创建的字符串时，$是必须的。
变量名依照顺序排列，如数组：
ARRAYstore（4）MacysPenneysSearsTarget;
则store
（1）是Macys，store
（2）是Penneys，store（3）是Sear，store（4）是Target。
数组本身不储存在数据集中，只有在数据步中才被定义。
命名规则与变量一样（不超过32字节，以字母、下划线开头，只能包含字母、数字、下划线）
例子广播电台wbrk做了一份关于歌曲的听众调查，对10首歌进行打分，分值在1-5，如果没听过则填9。
数据文件wbrk.dat包括了被访者姓名、年龄、以及十首歌的打分。
下面的代码将所有打分为9的改为缺失值：
十首歌被放入song的数组中。
输出结果如下：
注意这里数组没有被保存到数据集中，而i被保存了。
3.11列出变量名的快捷方式
如果想把100个变量放入数组，并不需要一个一个变量名的输入，有快捷方式可以列出变量名。
Numberrangelists开始于同一个单词，结尾于连续的数字的，可以使用Numberrangelist。
比如：
Namerangelists这种列表是依据变量在数据集中的排列顺序来的，比如，创建如下数据步：
则变量的排列顺序就为：
YACHR
那么可以依照这个顺序用“put第一个变量--最后一个变量”来简化：
如果不能确定数据集中变量的顺序，可以用proccontents的postion选项来查看。
下面的代码列出了永久数据集distance的变量顺序：
Specialsasnamelist特别的名字列表，_ALL_、_CHARACTER_、_NUMERIC_可以用于任何你想使用的地方，所有的变量，所有的字符变量，或所有的数值变量。
当你想要做某些事的时候，例如计算一个观测的数值型变量的平均值（MEAN（of_NUMERIC_）），或列出的所有观测中的变量值（PUT_ALL_;），这些名单是有用的。
例子广播电台WBRK想要修改前面的代码（将9改为缺失值），使用mean函数计算平均分数：
程序中，当原始变量（domk-ttr）值为9时，song变量值为缺失值，否则就把原始变量的值赋给song变量。
另外avgscore计算平均值：
升级会员 