SAS （统计分析软件）课件：第6章 数据步文件管理

1、第6章 数据步文件管理DATA语句 语句格式 DATA data-set-name-1 .data-set-name-n ; DATA view-name data-set-name-1 . . .data-set-name-n / VIEW=view-name (); DATA data-set-name / PGM=program-name (); DATA PGM=program-name (); REDIRECTREDIRECT INPUT | OUTPUT old-name-1 = new-name-1 ; DATA VIEW=view-name (); DESCRIBE; 选项说明

2、 这里只给出常用选项的说明，其它选项说明可以从SAS系统帮助中查找。 例6.1 规定要创建的SAS数据集。data; /*系统自动规定数据集名data n * /data a; /*创建临时数据集a */data ResDat .a; /*创建永久数据集resdat.a */data data1 data2; /*创建两个临时数据集data1和data2 */data _null_; /*特殊名，不创建SAS数据集，用于输出 */Run;例6.2 数据集选项举例。data new (drop=var1); /*去掉数据集new中变量var1*/data new (keep=_numeric_)

3、; /*保留数据集new中所有数值变量*/data new (label=股本变动历史); /*规定数据集new标签名为”股本变动历史”*/data new (rename=(var1=u var2=v); /*将数据集new中变量var1和var2更名为u和v*/data book(index=(author subject); /*数据集book对变量author subject建立索引*/ 特殊数据集名 _data_ (省略数据集名)data _data_; /*等价于语句data;*/系统自动为数据集赋名：data1, data2, datan. _null_ 一般和PUT语句一起用。

4、由PUT输出结果，只输出到LOG窗口，不会产生SAS数据集。例6.6 不产生数据集。data _null_; x=exp(5);y=log(10);put x= y=;run;80 data _null_;81 x=exp(5);82 y=log(10);83 put x= y=;84 run;x=148.4131591 y=2.302585093NOTE: “DATA 语句”所用时间（总处理时间）: 实际时间 0.03 秒 CPU 时间 0.00 秒_last_last_是SAS系统的一个自动变量，取值为最新创建的SAS数据集名。例6.7 查看最新创建的SAS数据集。data a;set _

5、last_;run; 一个DATA语句下多个数据集名 例6.8 观测子集的形成。 data year1998 year1999 year2000;set ResDat.stk000001 ;if year (date)=1998 then output year1998; /* year为函数名*/else if year (date)=1999 then output year1999;else if year (date)=2000 then output year2000;run;例中，根据条件产生三个观测子集，名字分别为YEAR1998, YEAR1999和YEAR2000. 85 d

6、ata year1998 year1999 year2000;86 set ResDat.stk000001 ;87 if year (date)=1998 then output year1998; /* year为函数名*/88 else if year (date)=1999 then output year1999;89 else if year (date)=2000 then output year2000;90 run;NOTE: 从数据集 RESDAT.STK000001 读取了 3836 个观测。NOTE: 数据集 WORK.YEAR1998 有 245 个观测和 62 个变

7、量。NOTE: 数据集 WORK.YEAR1999 有 237 个观测和 62 个变量。NOTE: 数据集 WORK.YEAR2000 有 238 个观测和 62 个变量。NOTE: “DATA 语句”所用时间（总处理时间）: 实际时间 0.06 秒 CPU 时间 0.04 秒CARDS与CARDS4语句 CARDS语句或DATALINES语句告诉SAS系统下面跟着的是数据行。数据行之前用CARDS语句或DATALINES语句。语句格式：CARDS；或DATALINES； 数据行 例6.10 数据行之前用CARDS语句。 data;input var1 var2 var3 $;cards;16

8、 20 First;数据行中含有分号时，必须用CARDS 4或DATALINES4语句。语句格式：Cards 4; 或DATALINES4；数据行；例6.11 数据行中含有分号时用CARDS4语句。data;input var1$ var2$ var3 $;cards4;A ; B( ; );PUT语句 PUT语句输出信息到：SAS系统的LOG窗口；SAS系统的OUTPUT窗口；FILE语句规定的外部文件。简单方式： PUT ;PUT .specification ; 列方式： PUT start-column ;格式化方式: PUT start-column ;PUT variable fo

9、rmat.;PUT (variable-list) (format-list) ;列表方式: PUT variable ;PUT character-string ;PUT variable format. ;命名方式: PUT variable= ;PUT variable= start-column ;语句格式 例6.12 用PUT语句产生的输出结果及其比较。 data _null_;put 132 * _; /*在log窗口输出132个下划线_*/put 100*1; /* 在log窗口输出100个1*/run;data _null_ ;input x y z;put _infile_

10、; /*输出最新的数据行到SAS Log窗口*/cards;1 -5 90 3 710 2 8;run;LOG窗口输出结果： 1 -5 9 0 3 7 10 2 8 例6.14 其它控制输出格式举例。 data _null_;set ResDat.class;by sex;file print;put name 1-8 12 sex;if last.sex then put / This is the last of sex $ _page_;run;Alice FBarbara FCarol FJane FJanet FJoyce FJudy FLouise FMary FThis is t

11、he last of FAlfred MHenry MJames MJeffrey MJohn MPhilip MRobert MRonald MThomas MWilliam MThis is the last of M第一页第二页输出窗口显示：data;put Example of overprint overprint ;run;LOG窗口输出结果：Example of overprint列方式输出 语句格式： PUT start-column ;例6.15 控制输出的列位置。 data a;a=100;b=300;put a 10-16 .2 b 20-26 .3;run;LOG窗口输

12、出结果：100.00 300.000 列表方式输出 语句格式： PUT variable ;PUT character-string ;PUT variable format. ;修饰符说明： n*规定后面格式重复n次; : 规定后面格式输出变量值时去掉前后的空格； 例6.16 应用举例。data a;x1=134569.236;x2=18969.06;x3=3592.191;put (_all_) (3*comma10.2);run;LOG窗口输出结果：134,569.24 18,969.06 3,592.19格式化输出 语句格式： PUT start-column ;PUT variabl

13、e format.;PUT (variable-list) (format-list) ;例6.17 应用举例。 data a;input name & $10. bldg $ room; /*变量name有空格*/put name 20 (bldg room) ($1.-, 3.); /*从第20列开始输出第二、三个变量*/cards;GU BEIJING J 125ROBERT US C 233;run;LOG窗口输出结果：53 data a;54 input name & $10. bldg $ room; /*变量name有空格*/55 put name 20 (bldg room)

14、($1.-, 3.); /*从第20列开始输出第二、三个变量*/56 cards;GU BEIJING J-125ROBERT US C-233NOTE: 数据集 WORK.A 有 2 个观测和 3 个变量。NOTE: “DATA 语句”所用时间（总处理时间）: 实际时间 0.01 秒 CPU 时间 0.00 秒59 ;60 run;上面程序也可以写成： data a;input name & $10. bldg $ room ;a=-;put name 20 bldg $ a $ room;cards;GU BEIJING J 125ROBERT US C 233;run;但第一种方法的效果

15、好。LOG窗口输出结果：61 data a;62 input name & $10. bldg $ room ;63 a=-;64 put name 20 bldg $ a $ room;65 cards;GU BEIJING J - 125ROBERT US C - 233NOTE: 数据集 WORK.A 有 2 个观测和 4 个变量。NOTE: “DATA 语句”所用时间（总处理时间）: 实际时间 0.03 秒 CPU 时间 0.00 秒68 ;69 run;BY语句 数据步中，BY语句规定分组变量。用于控制SET,MERGE,UPDATE或MODIFY语句的操作。语句格式 By Vari

16、able-1. Variable-N ;选项说明 BY语句概念 FIRST.变量和LAST.变量 SAS系统对每个BY组创建两个自动变量：First.variable 和 Last.variable, 用来标识每个BY组的第一个和最后一个观测。对于一个BY组的第一个观测值，First.variable取1，其余取0.对于一个BY组的最后一个观测值，Last.variable取1，其余取0.这些变量不含在新产生的数据集中。 例6.18 保留各BY组的最后一个观测值。 data a;set ResDat.stk000001; month=month(date);year=year(date);pr

17、oc sort data=a;by year month;data b;set a;by year month;if last.month; /*保留每月最后一个观测值 */run;SET语句 SET语句从一个或多个已存在的SAS数据集中读取观测值，并将这些观测组合在一个数据集中。 语句格式：SET data-set-name-1 data-set-name-n /UNIQUE ;一个DATA步中可以有多个SET语句，一个SET语句中可以有任个SAS数据集。 选项说明 没有变元读最新创建数据集Data-Set-Name规定要组合的数据集Data-Set-Options规定对数据集的操作, 常用

18、选项keep=，Drop=，rename=,where=和in=。Point=Variable_Name规定一个临时变量控制SET语句读入的观测序号NOBS=Variable_Name规定一个临时变量，记录读入数据集的观测总数。此变量不含在新产生的数据集中END=Variable_Name规定一个临时变量，作为文件结束的标识。文件结束时取值1，其它观测取0。此变量不含在新的数据集中应用举例 例6.19 选项说明若干举例。规定临时变量选项Point=：data a;set ResDat.Idx000001;obs=_n_;data b (keep=obs date clpr);do n=3,5,

19、7,4;set a point=n; /*读入数据集a中的第3,5,7,4观测 */if _error_=1 then abort;output;end;stop; /*使用选项point=时，经常要用stop语句来终止data步的执行*/proc print;run;例6.22 数据集选项in=var。 data a;set one(in=one) two(in=two);in1=one;in2=two;run;数据集a：xyZin1in21Groucho103Harpo105Kart102Chico014Zeppo01规定临时变量选项NOBS=： data a;do obsnum=1 to

20、 last by 20; /*临时变量为last */set ResDat.stk000001 point=obsnum nobs=last;output;end;stop;run;如何找数据集的观测个数： data a;a=nobs; set ResDat.stk000001 nobs=nobs;if _n_=a;run;如何找数据集的最后一个观测值： data a;set ResDat.stk000001 nobs=nobs;if _N_=NOBS;run;找数据集最后一个观测值更简单的方法： data a;set ResDat.stk000001 end=obs_last;if obs_

21、last=1;run;输出数据集的最后一个观测值： data a;set ResDat.stk000001 End=lastobs;if lastobs;x=lastobs; /*将临时变量lastobs的值赋给X*/ put last observation;run;例6.23 数据集选项说明若干举例。保留部分变量：data a ;set ResDat.Idx000001(keep=date clpr);run;data b (keep=date clpr);set ResDat.Idx000001;run;data c;set ResDat.Idx000001;keep date clpr

22、;run;上述三段程序的结果相同。注意，但第三段程序用的是KEEP语句，并不是数据集选项的应用。data oppr(keep=date oppr) clpr(keep=date clpr);set ResDat.stk000001;run; 保留部分观测：data males;set ResDat.class;where sex=M;run;data males;set ResDat.class;if sex=M then output;run;data males;set ReaDat.class;if sex=M then delete;run;例6.24 相同变量的数据集连接。data

23、qttn;set ResDat.stk000001 ResDat.stk000002; run;例6.25 不同变量的数据集连接。data a;set ResDat.class ResDat.stk000001;run;MERGE语句 MERGE语句将多个数据集中的观测合并为新数据集中的一个观测。SAS系统合并观测的方式依赖于BY语句的使用。 语句格式 MERGE data-set-name-1 data-set-name-2 data-set-name-n ;选项说明 应用举例例6.27 一对一合并 data a;merge ResDat.class ResDat.stk000001;run

24、;例中，一对一合并时，不需要BY语句。 例6.28 匹配合并 data a;merge ResDat.stk000001 (keep=date clpr rename=(clpr=clpr000001)ResDat.stk000002 (keep=date clpr rename=(clpr=clpr000002);by date;run;例中，匹配合并必须有BY语句。 例6.29 使用数据集选（in=）,选择股票代码为000001，200011，600601和900903的首次发行与上市数据。Data stkcd;Input stkcd$6.;Cards;000001 20001160060

25、1900903;Data Iissulst1;Merge Resdat. Iissulst stkcd(in=id);If id; /* 选择满足条件股票的首次发行与上市数据 */Run;FILE语句 FILE 语句用于规定将要输出的外部文件。FILE 语句一般要与PUT语句配合使用。同一个DATA步可以用多个FILE语句。FILE语句是可执行语句，因而可以用在条件（IFTHEN）过程中。语句格式 FILE file-specification ;FILE-SPECIFICATION选项说明： OPTIONS选项说明（部分）： 选项说明DELIMITER= string-in-quotatio

26、n-marks | character-variable/ DLM=指定列表输出时所用的分隔符，在别的输出形式中该选项不起作用。缺省情况下为空格。DROPOVER规定当输出数据行的长度超过规定值时，忽略超过的部分。FLOWOVER规定当输出数据行的长度超过规定值时，超出部分在下一行输出。缺省状态为FLOWOVER。DSD规定一个数据可以包含分隔符，要用引号括住。FILENAME=variable定义一个字符变量，其值为PUT语句打开的文件名。FILEVAR=variable定义一个变量，FILE语句根据其值的变化关闭和打开输出文件。例6.39 filename=variable选项应用 dat

27、a a;file print filename=xxx; /* 输出到OUTPUT窗口，put语句打开的文件名为print */put hello; /* OUTPUT窗口将输出hello */name=xxx; /* 数据集a中有一个变量name和一个观测值print */run; 数据集aname1PRINTdata a;file d:a.txt filename=xxx; /* 输出到文件d:a.txt，put语句打开的文件名为d:a.txt*/put hello; /* 文件d:a.txt的内容为: hello*/fname=xxx;run;fname1d:a.txt数据集a例6.43

28、 输出规定格式的外部文本文件。data;set ResDat.lstkinfo;a=%a(;b=,;c=); ;file “D:stock.txt” ;put a $ stkcd $ b $ lstknm $ c $ ;run;例中程序产生股票宏文本文档。 INFILE语句 INFILE语句用来定义一个外部数据文件，文件中的数据用INPUT语句读取。外部文件可以是已存在的磁盘文件，也可以是从键盘上输入的数据行。语句格式 INFILE file-specification ; FILE-SPECIFICATION选项说明：EXTERNAL FILE和 FILEREF选项类似FILFE语句的相应选

29、项。CARDS|CARDS4|DATALINES|DATALINES4选项指明输入数据为CARDS（CARDS4, DATALINES, DATALINES4）后面的数据流，而非来自外部数据文件。 大部分选项的作用和FILE的一致。下面只介绍几个INFILE独有的选项。 OPTIONS选项说明选项说明DSD规定若一个数据由引号括起，则SAS认为其包含的逗号是字符数据。设定缺省分隔符为逗号。两个连续分隔符中间数据为缺失。读入时去掉数据的引号。END=variable定义一个变量标记是否已经到达输入文件的结尾。FIRSTOBS=record-number规定从该记录行开始读入MISSOVER阻止INPUT语句从下一个数据行读入数据，未赋值的变量设为缺失。OBS=record-number | MAX规定要读入的记录数.例6.44 DELIMITER=选项应用 data a;infile cards delimiter=,;input x y z;cards;3,6,91,3,58,8,8;例中，要输入的数据用逗号分隔，创建SAS数据集时用选项DELIMITER=,。 数据集axyz136921353888例6.47 DSD选项应用 data scores;infile datalines delimiter=,;input test1 test2 test3;