SAS学习系列10 合并大数据集.docx
《SAS学习系列10 合并大数据集.docx》由会员分享,可在线阅读,更多相关《SAS学习系列10 合并大数据集.docx(11页珍藏版)》请在冰点文库上搜索。
SAS学习系列10合并大数据集
10.合并数据集
一、用SET语句拼接合并数据集
用SET语句可以把两个数据集拼接合并在一起,适用于两个数据集具有相同的变量。
基本形式为:
data新数据集名;
set旧数据集1旧数据集2;
注:
(1)按原来顺序合并成新数据集(数据集1在上,2在下);
(2)若一个数据集包含了另一个数据集没有的变量,那么合并后,该变量下将会出现缺省值。
例1路径“C:
\MyRawData\”下有关于娱乐公园南北门游客的数据South.dat和North.dat,都包括变量Entrance、PassNumber、PartySize、Age,后者多了一列Lot(停车):
先分别读入数据存为数据集再合并成一个新数据集,并创建了新变量,AmountPaid.
代码:
datasouthentrance;
infile'c:
\MyRawData\South.dat';
inputEntrance$PassNumberPartySizeAge;
procprintdata=southentrance;
title'SouthEntranceData';
run;
datanorthentrance;
infile'c:
\MyRawData\North.dat';
inputEntrance$PassNumberPartySizeAgeLot;
procprintdata=northentrance;
title'NorthEntranceData';
run;
databothentrance;
setsouthentrancenorthentrance;
ifAge=.thenAmountPaid=.;
elseifAge<3thenAmountPaid=0;
elseifAge<65thenAmountPaid=35;
elseAmountPaid=27;
run;
procprintdata=bothentrance;
title'BothEntrances';
run;
运行结果:
注意:
南门数据中缺少Lot数据,堆叠合并后的观测值为缺省值。
二、用SET+BY语句排序拼接合并数据集
前面是保持数据集原有顺序直接拼接合并,根据需要新数据集可以作排序处理。
但这样效率较低,更好的方法是先排好序再合并。
基本形式:
data新数据集名;
set旧数据集1旧数据集2;
by变量1变量2…;
注:
旧数据集必须是事先排好序的。
例2同样是例1的数据,对PassNumber做排序拼接合并,注意南门数据已经按PassNumber排序。
代码:
datasouthentrance;
infile'c:
\MyRawData\South.dat';
inputEntrance$PassNumberPartySizeAge;
procprintdata=southentrance;
title'SouthEntranceData';
run;
datanorthentrance;
infile'c:
\MyRawData\North.dat';
inputEntrance$PassNumberPartySizeAgeLot;
procsortdata=northentrance;
byPassNumber;
procprintdata=northentrance;
title'NorthEntranceData';
run;
datasortbothentrance;
setnorthentrancesouthentrance;
byPassNumber;
run;
procprintdata=sortbothentrance;
title'BothEntrances,ByPassNumber';
run;
运行结果:
三、一对一匹配合并数据集
经常会遇到合并两个数据集,它们有共同的变量(其不同取值都是各出现一次),用MERGE语句可以将两个数据集按共同变量进行一对一匹配合并。
注意:
要求两数据集事先已按共同变量排序。
基本形式:
DATAnew-data-set;
MERGEdata-set-1data-set-2…;
BYvariable-list;
注:
(1)BY语句指定共同变量;
(2)若两个数据集有重叠的变量(除了BY指定的共同变量),第2个数据集中的变量将覆盖第1个数据集中的相同变量。
例3路径“C:
\MyRawData\”下有关于某巧克力店的数据,chocsales.dat记录了所卖的巧克力代码、数量;chocolate.dat记录了巧克力代码、所代表的类型、描述:
读入数据,按共同变量“巧克力代码”匹配合并数据集。
代码:
datadescriptions;
infile'c:
\MyRawData\chocolate.dat'TRUNCOVER;
inputCodeNum$1-4Name$6-14Description$15-60;
run;
datasales;
infile'c:
\MyRawData\chocsales.dat';
inputCodeNum$1-4PiecesSold6-7;
procsortdata=sales;
byCodeNum;
run;
datachocolates;
mergesalesdescriptions;
byCodeNum;
run;
procprintdata=chocolates;
title"Today'sChocolateSales";
run;
运行结果:
注意:
数据1中没有代码为“M315”的销售记录,合并后的观测值显示缺省值。
四、一对多匹配合并数据集
也是两个包含共同变量的数据集要匹配合并,不同在于:
该共同变量的同一取值在一个数据集中出现1次,在另一数据集中出现多次。
此时就是“一对多匹配合并”。
语法同“一对一匹配合并”完全相同。
例4路径“C:
\MyRawData\”下有关于鞋子打折的数据:
Shoe.dat是关于鞋子的风格、类型、价格;Disc.dat是关于每个类型鞋子的折扣(训练鞋、跑步鞋、走路鞋的折扣各不同):
读入数据,按鞋子的类型合并数据集。
代码:
dataregular;
infile'c:
\MyRawData\Shoe.dat';
inputStyle$1-15ExerciseType$RegularPrice;
run;
procsortdata=regular;
byExerciseType;
run;
datadiscount;
infile'c:
\MyRawData\Disc.dat';
inputExerciseType$Adjustment;
run;
/*Performmany-to-onematchmerge;*/
dataprices;
mergeregulardiscount;
byExerciseType;
NewPrice=ROUND(RegularPrice-(RegularPrice*Adjustment),.01);
run;
procprintdata=prices;
title'PriceListforMay';
run;
运行结果:
五、在数据步中用IN=选项跟踪选择观测值
在DATA步中,IN选项可以被用在SET,MERGE,或者UPDATE语句(更多是在MERGE语句),接在要“追踪选择的数据集”后面。
结合下面的示例,其作用是给原数据集(customer)的每条观测都定义一个临时标签变量(只存在数据步期间不带入数据集,取值0或1)用来指示“BY变量(CustomerNumber)”是否存在于“跟踪选择数据集(orders)”中,若存在,该条观测的临时标签变量Recent取值为1,否则取值为0.然后,将满足条件“Recent=0”的观测,即CustomerNumber号未包含在(orders)中的观测被选出来创建新数据集(noorders)。
示例:
DATAnoorders;
MERGEcustomerorders(IN=Recent);
BYCustomerNumber;
IFRecent=0;
例5运动品厂商有两份数据,一是包括所有客户的数据(C:
\MyRawData\CustAddress.dat),变量包括客户编号、姓名、地址;一是包括了第三季度订单的数据(C:
\MyRawData\OrdersQ3.dat),变量包括客户编号、总价格:
现在想要了解哪些客户在第三季度没有任何订单,即可以用in=option选项。
代码:
datacustomer;
infile'c:
\MyRawData\CustAddress.dat'TRUNCOVER;
inputCustomerNumberName$5-21Address$23-42;
dataorders;
infile'c:
\MyRawData\OrdersQ3.dat';
inputCustomerNumberTotal;
procsortdata=orders;
byCustomerNumber;
run;
/*CombinethedatasetsusingtheIN=option;*/
datanoorders;
mergecustomerorders(IN=Recent);
byCustomerNumber;
ifRecent=0;
run;
procprintdata=noorders;
title'CustomerswithNoOrdersintheThirdQuarter';
run;
运行结果: