首页  思维导图  详情

小白学SAS

2024-11-07 10:09:40   2  举报





AI智能生成

小白学SAS

SAS

小白学SAS

作者其他创作

大纲/内容

1.初识SAS

起名：英文、数字和下划线

data 数据集名

input 变量1 变量2 ...;

cards; 数据 ；

data first; input gender age; cards; 1 30 0 24 ;

-first为永久数据集在sasuser里- data sasuser.first; input gender age; cards; 1 30 0 24 ;

-在SAS逻辑库里建立一个名为“fgs”的文件夹， 并将它与电脑上的“g:\excel”文件夹关联起来- libname fgs "g:\excel";

-把first数据集添加到fgs文件夹中- data fgs.first; input gender sge; cards; 1 30 0 24 ;

-在G盘EXCEL文件夹中生成一个名为FIRST的SAS数据集- data "g:\excel\first"; input gender age; cards; 1 30 0 24 ;

-对于自己建立的逻辑库， 在调用前需要用libname语句把逻辑库与文件夹建立关联- libname fgs "g:\excel"; proc print data=fgs.first; run;

-如果用data"g:\excel\first";语句建立永久数据集的调用程序- proc print data="g:\excel\first"; run;

注释格式为：/*注释*/

2.SAS数据集建立的高级议题

SAS变量的输入格式

SAS变量：字符型和数值型 input 变量1 输入格式1 变量2 输入格式2 ...; 数值型的输入格式：w.d （w表示数值的总位数或宽度，包括小数点； d表示数值的小数部分的位数，即使没有小数，点号也要加上）

data fh; input x 4.2; /*变量后4.2表示变量x的宽度共4位，其中小数有2位*/ cards; 12 2.1 15.6 23.46 ; proc print; /*这句话的作用是让读入的数据显示在输出窗口*/ run;

字符型的输入格式：$w. (其中$符号是必须加的，w表示字节数， 1各种问占2个字节，SAS默认对字符只读取8位)

data fh; input pro $12.; cards; 山东省青岛市 ; proc print; run;

如果不加12.，只加一个$符合，那么只显示“山东省青” 只要加上宽度值，后面必须跟着“.”,但是如果只写$符号而没有宽度值，就不用加“.”

日期型变量的输入格式

如果年月日之间没有任何分隔符，此时SAS要求输入的月和日都是2位

两个特殊输入字符：和&

冒号：的作用是告诉SAS，如果要读取下一个变量，需要满足下面任一条件：要么遇到空格，要么变量的宽度读完。 （一旦对变量指定了宽度，SAS就不再以默认的空格作为区分的标志了，而是按指定的宽度来识别变量。）

data fh; input city:$18. zone$;     /*在city后加了一个冒号*/ cards; 山东省蓬莱市 0536 山东省青岛市市南区 0532 ; proc print; run;

data fh; input day1: yymmdd10. day2: yymmdd10.;   /*在day1后加了一个冒号*/ cards; 130125 20130528 ; proc print; run;

1.一旦对变量指定了宽度，SAS就按指定的宽度来读取变量。 2.如果指定了宽度，SAS就忽略空格的作用，而是把包括空格在内的所有字符都作为变量的值。 3.不过要记住，日期型变量的宽度最大不能超过32。 4.如果有超过2个以上的变量指定了宽度，最好都用冒号结合一个的宽度值得方式来输入。

&符号的作用：变量值包含空格的情况下使用 （当变量本身就有空格是时，变量之间就需要2个或2个以上的空格隔开， 这样SAS就会把这2个或2个以上的空格作为变量分隔符）

data fh; input name&:$50. city&:$50.; cards; Peter Parker  山东省 蓬莱市 Ross Geller  山东省 青岛市 市南区 ; proc print; run;

SAS变量的输出格式

指定输入格式会改变变量的值，而指定输出格式不会改变变量的值，只会改变它们的样子。 input format 变量1 格式1 变量2 格式2 ...; cards 数值型变量常用的输出格式：3种 w.d commaw.d(将数值的整数部分自右向左每三位用逗号隔开) percentw.d（将数值显示位百分比的形式，%占3个字节）

data wt; input num cost prop; format num 5.2 cost comma12.1 prop percent8.2; cards; 50 10205600 0.1236 45 9580000 0.0361 ; proc print; run;

字符型的输出格式:与输入格式一样也是$w.

data fs; input x$ y$2.; format x$2.; x1=x+1; y1=y+1; cards; 1100 1100 ; proc print; run;

日期型变量的输出格式

data dat; input date1:yymmdd10. date2:yymmdd10. date3:yymmdd10.; format date1 yymmdd10. date2 yymmdds8. date3 yymmddp8.; cards; 13.06.16 130616 20130616 ; proc print; run;

自定义输入和输出格式

用informat和format自定义格式

proc format; invalue <$>格式名变量值或范围1=输入格式1...;    /*如果定义的输入格式是字符，需要在格式名前加$*/ value <$>格式名变量值或范围1=输出格式1...;/*如果变量值或范围是字符，需要在格式名前加上$*/ picture 模板名<数值范围>；

proc format; invalue fage low-<40=30 40-<50=40 50-<60=50 60-hiigh=60; data age; input id age fage.;  /*在变量age后假上自定义的输入格式fage,别忘了加点号*/ cards; 1 36 2 43 3 51 4 60 5 59 ; proc print; run;

proc format; invalue fage low-<40=30 40-<50=40 50-<60=50 60-hige=60; data age; input id age fage.;   /*在变量age后加上自定义的输入格式fage,别忘了加点号*/ cards; 1 36 2 43 3 51 4 60 5 59 ; proc print; run;

proc formate要写在data语句前

proc format; invalue $grade 1="Freshman" 2="Sophmore" 3="Junior" 4="Senior"; value fscore low-<60="不及格" 60-<80="及格" 80-high="优秀"; data grade; input id grade:$grade20.score; format score fscore.; cards; 1 1 60 2 4 59 3 3 80 4 2 79 ; proc print; run;

grade 本身值1~4都只有1位宽度，但是指定的输入格式， 真正读取的是Freshman、Sophomore等，所以需要grade:$grade20. value需要用format语句将变量score和输出格式fscore关联起来。 proc format是个过程，format是个语句， 只是把变量与某种输出格式关联起来，让变量按照这种格式输出。

picture 不是定义值，而是定义一种显示的样式。

proc format; picture pft low-high="0,000,000"(prefix="¥"); picture pro low-high="09.99%"; run; data profit; input profit prop; format profit pft. prop pro.; cards; 298630 16.72 365800 21.30 ; proc print; run;

pft为指定样式名，low-high表示所有值，（所有值都加一个前缀） 0和非0数字有区别：用0表示的话会自动去数字前面的0. 最好每个程序结束都要加一个run来结束。

产生新变量

利用表达式或函数直接产生新变量

data a1; input wt ht; bmi=wt/(ht/100)**2; rbmi=sqrt(bmi); obesity=(bmi>=28); city="北京"; date="02apr2013"d; format date yymmdd10.; cards; 60 170 55 166 73 161 ; proc print; run;

注意：data与date  中英文大小写 sqrt是平方根计算的意思。 日期常量都要写成“年月日”d这种格式。

利用if-then语句产生新变量

-基本格式- if 表达式 then 新变量= ； eles 新变量= ；

data lx; input id lx$; lx1=lx in ("有效","显效","痊愈"); if lx in ("有效","显效","痊愈")then lx2="有效";else lx2="无效"; cards; 1 显效 2 有效 3 无效 4 痊愈 ; proc print; run;

lx1是用的比较运算符 lx2是用的if语句产生的变量

利用retain语句和累加语句产生新变量

-retain语句基本格式- retain 变量 <初始值>； 例如：retain a 21;(指定a的初始值为21)           retain year 2001 total 0;(指定year的初始值为2001，total的初始值为0) -累加语句基本格式- 变量+表达式 year+1,(默认year=0,year+1产生的结果就是year=1) total+amount;(amount变量必须在前面已经指定了，此时相当于total=total+amount)

-错误示例- data fh; count=0; count=count+1; input time ; cards; 23 29 49 ; proc print; run;

-retain语句- data fh; retain count 0; count=count+1; input time ; cards; 23 29 49 ; proc print; run;

-累加语句- data fh; count+1; input time ; cards; 23 29 49 ; proc print; run;

data fsh; input amount; retain year 2000; year+1; total+amount; cards; 100 200 300 ;proc print; run;

利用do循环语句产生新变量

data fh; input count time; cards; 1 23 2 29 3 49 4 64 5 87 ; proc print; run;

data fh; do count=1 to 5; input time; output; end; cards; 23 29 49 64 87 ; proc print; run;

注意： 1.忘记写output;语句，这导致SAS只能读取最后一个数，    因为前面的数你没有通知SAS显示； 2.忘记写end；语句，此时SAS找不到循环结束的标志，给不出结果。

指定新变量的类型和长度

-SAS主要用length语句来指定新变量的长度与类型- length 变量 <$> 长度1 变量2 <$> 长度2 ...；

-错误示例- data lx; input id lx$; if lx="无效" then lx2="无效"; else lx2="有效+显效+痊愈"; cards; 1 显效 2 有效 3 无效 4 痊愈 ; proc print; run;

SAS有个规则：字符变量的长度是由第一个遇到的值的长度决定的， 而且字符变量一旦产生，它的长度就无法改变。

data lx; input id lx$; length lx2 $16.; if lx="无效" then lx2="无效"; else lx2="有效+显效+痊愈"; cards; 1 显效 2 有效 3 无效 4 痊愈 ; proc print; run;

length语句一定要写在if语句之前，否则就是不起作用的。

data eva; length bouns$5. eva$8.; input id g bouns$; if g<70 then eva="合格";else eva="不合格"; cards; 1 67 100000 2 80 110000 3 89 110000 ; proc print; run;

@符号在输入方式中的应用

-错误示例- data fsh; input id age; cards; 1 23 2 29 3 49 4 36 ; proc print; run;

data fsh; input id age@@; cards; 1 23 2 29 3 49 4 36 ; proc print; run;

@@是强制SAS往右读取数据

data score; input gender$ id score; cards; M 1 86 M 2 90 M 3 83 M 4 79 F 1 85 F 2 93 F 3 90 ; proc print; run;

data score; input gender$ n@; do id=1 to n; input score@@.; output; end; cards; M 4 86 90 83 79 F 3 85 93 90 ; proc print; run;

SAS函数应用技巧

data age; input id birth:yymmdd10. death:yymmdd10.; age=(death-birth)/365; if age<60 then age1=50; else if age<70 then age1=60; else age1=70; format birth death yymmdd10.; cards; 1 1954-12-06 2014-02-03 2 1938-02-18 2014-01-07 3 1947-07-10 2014-01-11 4 1943-08-21 2014-03-03 ; proc print; run;

与数值计算有关的函数

round(4.8,2),意思是将4.8舍入到最接近能被2整除的数值（如0、2、4、6等）

data aa; input age@@; gage=round(age-5,10); cards; 29 31 39 40 55 60 64 ; proc print; run;

data aa; input id@@; if mod(id,2)=1 then group="A";else group="B"; cards; 1 2 3 4 5 6 7 8 9 10 ; proc print; run;

与字符有关的函数

-计算变量的长度- length(变量)：计算变量长度，对缺失值返回1 lengthn(变量)：计算变量长度，对缺失值返回0 -提取变量中的字符- substrn格式：substrn(变量，起始位置<,提取长度>):指定一个变量，                       对该变量从起始位置开始，提取指定长度的字符，                       起始位置是从第几个字符开始提取，提取长度是提取多少个字符，                       这是可选项，如果不写，默认提取到最后一个字符

data iden; input iden:$18.; if length(iden)=18 then gen=substrn(iden,17,1); else gen=substrn(iden,15,1); if mod(gen,2)=1 then gender="男"; else gender="女"; cards; 36053319720613591x 360533801215792 360533198208254533 360533851009226 ; proc print; run;

-查找变量中的字符- find(变量，查找内容<,"i"><,起始位置>) findc(变量，查找内容<,"i"><,起始位置>) <,"i">是忽略查找字符的大小写  <,起始位置>从第几个字符开始查找，如果不写，默认从第1个字符开始。 根据指定的起始位置，查找相应的内容。如果找到，就返回找到的位置；如果找不到，就返回到0 对于多个字符的查找，find必须是所有字符都完全匹配才算找到，而findc只要找到字符中的任意一个就算找到。

data book; input book：&$100.; sas=find(book,"sas","i"); if sas>0 then class="SAS书"; else class="其他"; cards; Survival Analysis Using SAS Matlab程序设计 SPSS数据分析 SAS应用分析 The Little SAS Book ; proc print; run;

anyalpha(变量<,起始位置>)；查找变量中任意的字母，并返回第一个字母的位置 anydigit(变量<,起始位置>)；查找变量中任意的数字，并返回第一个数字的位置 anyalnum(变量<,起始位置>)；查找变量中任意的字母或数字，并返回第一个字母或数字的位置

data computer; input type$@@; alpha=anyalpha(type); /*返回第1次出现字母的位置*/ digit=anydigit(type); /*返回第1次出现数字的位置*/ xh=substrn(type,alpha,digit-alpha); /*提取type中的字母*/ bh=substrn(type,digit,length(type)-digit+1); /*提取type中的数字*/ cards; TP340 KS320 B3510 C560 H430 ; proc print; run;

-替换变量中的字符- tranwrd(变量，查找值，替换值)：从变量中找到“查找值”，并用“替换值”替换掉

data lx; input id lx$; lx1=tranwrd(lx,"显效","有效");/*将lx变量中的“显效”替换为“有效”*/ lx1=tranwrd(lx1,"痊愈","有效");/*将lx1变量中的“痊愈”替换为“有效”*/ cards; 1 显效 2 有效 3 无效 4 痊愈 ； proc print; run;

tranwrd有个缺点，一次只能替换一个字符串， 也就是说，他不能同时把显效和痊愈都替换为有效，只能一次替换一个。 所以第一个lx1将显效替换成了有效，但痊愈并没有被替换掉， 所以在此基础上对lx1中的痊愈再次替换，仍然复制为lx1.

-去除变量中的字符- compress(变量<,欲去除的字符><,"修饰符">）：从变量中去掉"欲去除的字符" 指定不同的修饰符，常用的有： a,去掉变量中的所有字母 d,去掉变量中的所有数字 s,去掉变量中的所有空格 i,忽略大小写 k,保留“欲去除的字符”，去掉其他字符

data computer; input type$@@; xh=compress(type,,"d"); /*去除type中的所有数字*/ bh=compress(type,,"a"); /*去除type中的所有字母*/ cards; TP340 KS320 B3510 C560 H430 ; proc print; run;

compress中变量的第1个逗号后是“欲去除字符”和“修饰符”都是可选项， SAS认为compress中变量的第1个逗号后市“欲去除字符”，第2个逗号后是“修饰符”。 即使你不指定“欲去除字符”，也需要用逗号留出它的位置，此时默认是去除空格。

data phone; input phone:&$20.; phone1=compress(phone,"(-) "); /*去除phone中的4个字符“（-） ”*/ phone2=compress(phone,,"kd"); /*保留phone中的所有数字*/ cards; (010)67658925 010-67685621 010 67685621 ; proc print; run;

-变量的合并- cats(变量1，变量2，...):将几个变量合并为一个变量，删除前后空格 catx("分隔符"，变量1，变量2，...):将几个变量合并为一个变量，中间用分隔符隔开 分隔符“/”“-““~”"||"

data code; input prov$ city$ county$; code1=cats(prov,city,county); code2=catx("-",prov,city,county); code3=prov||city||county; cards; 37 05 02 37 03 21 37 06 13 37 06 85 ; proc print; run;

-清点变量中某字符的个数- count（变量，欲清点的字符<,"i">）:从变量中找到"欲清点的字符"，返回字符个数， 如果没有找到，返回0.<,"i">指定修饰符i,作用是忽略大小写。

data cloth; input pj&:$1000.; beauty=count(pj,"漂亮"); cards; 裙子很漂亮，穿起来有仙女的感觉 裙子很喜欢，很漂亮，不知道面料牢固不牢固 裙子很漂亮 裙子很飘逸 面料柔软舒适，很飘逸 很漂亮，超喜欢这颜色 质量一般，没想象中的好 很大方，不足之处是，透气性不是非常好 ; proc print; run;

data ques; input id (y1-y10)($);   /*输入变量y1-y10，均为字符型，统一加上$符号*/ y=cats(of y1-y10);   /*将y1-y10合并为一个变量y*/ cy=count(y,"y","i");   /*统计变量y中的"y"的个数，忽略大小写*/ cn=count(y,"n","i");   /*统计变量y中的"n"的个数，忽略大小写*/ cards; 1 y y n Y n y n Y n n 2 y n y Y n y y Y n y 3 n y N y y y n Y y n 4 n n Y y y y N Y n y ; proc print; run;

-查找变量中的缺失值- missing(变量)：判断变量是否为缺失值，是则返回1，不是则返回0. SAS是用"."表示缺失值，所以就用if语句查找"."。 missing对数值型变量和字符型变量都是通用的。

data baseline; input id gender$ age; mgender=missing(gender);  /*判断gender是否有缺失*/ mage=missing(age);  /*判断age是否有缺失*/ cards; 1 f 60 2 m 59 3 f . 4 . 48 ; proc print; run;

与日期和时间有关的函数

-日期的合并与差值- mdy(月，日，年)：将年月日合并为一个日期格式的变量或值 yrdif（开始日期，结束日期，"计算依据"）:计算两个日期之间以年为单位的差值 datdif（开始日期，结束日期，"计算依据"）:计算两个日期之间以天为单位的差值 指定计算差值的依据，通常指定"actual",也就是按当年的实际天数计算，也可以指定其他依据，比如“ACT/365”, 表示不管当年多少天，全部都按365天来算。

data date; input year1$ month1$ day1$ year2$ month2$ day2$; date1=mdy(month1,day1,year1); date2=mdy(month2,day2,year2); format date1 date2 yymmdd10.; ydif=yrdif(date1,date2,"actual"); ddif=datdif(date1,date2,"actual"); cards; 2013 05 21 2014 03 11 2013 03 10 2014 01 22 2013 06 05 2014 05 06 2013 07 08 2014 04 13 ; proc print; run;

-日期的提取-

带时间的日期变量输入格式： 一是datetimew.格式（w.指定长度），主要用于ddmmyyhh:mm:ss格式的数据，如26JUN09:12:00:00; 二是ymddttmw.格式（w.指定长度），主要用于<yy>yy-mm-dd/hh:mm:ss格式的数据 （日期和时间之间的分隔符除了“/”外，还可以是“-”“.”":" ）,如2009/6/26：13：00：00 带时间的日期变量输出格式： datetimew.(w.指定长度)，显示为ddmmyy hh:mm:ss的格式，如26JUN09:13:00:00 如果只有时间而没有日期，输入和输出格式可以写成timew.(w.指定长度)的格式。

data dt; input dt:ymddttm30.;  /*指定dt为ymddttmw.格式*/ date=datepart(dt);  /*提取dt的日期部分*/ time=timepart(dt);  /*提取dt的时间部分*/ month=month(date);  /*提取date的月*/ hour=hour(time);  /*提取time的小时*/ formate dt datetime30.;  /*指定dt的输出格式为datetime30.*/ format date yymmdd10.;  /*指定date的输出格式为yymmdd10.*/ format time time12.;  /*指定time的输出格式为time12.*/ cards; 2009/6/26:11:20:00 2009/5/5:19:30:00 2009/9/12:13:20:00 ; proc print; run;

与变量类型转换有关的函数 *当使用自定义格式时，如果用input函数，proc format就要用invalue语句； *如果用put函数，proc format就要用value语句。put函数输出的值一定是字符型。 *靠左是字符型，靠右是数字型

input函数：主要用于把字符型转为数值型 格式：input(变量，输入格式)：字符型转换为数值型，或将字符型转换为其他格式的字符型

data date; input year1$ month1$ day1$ year2$ month2$ day2$; date1=catx("/",year1,month1,day1);  date2=catx("/",year2,month2,day2); d1=input(date1,yymmdd10.);  /*将date1按yymmdd10.的格式转换为日期型*/ d2=input(date2,yymmdd10.);  /*将date2按yymmdd10.的格式转换为日期型*/ format d1 d2 yymmdd8.; dif=d2-d1; cards; 2013 05 21 2014 03 11 2013 03 10 2014 01 22 2013 06 05 2014 05 06 2013 07 08 2014 04 13 ; proc print; run;

子主题

data date; input year1$ month1$ day1$ year2$ month2$ day2$; date1=cats(year1,month1,day1);     date2=cats(year2,month2,day2);    d1=input(date1,yymmdd10.);    /*将date1按yymmdd10.的格式转为日期型 */ d2=input(date2,yymmdd10.);    /*将date2按yymmdd10.的格式转为日期型 */ d3=input(date1,8.);            /*将date1按8.的格式转为数值型 */ d4=input(date2,8.);            /*将date2按8.的格式转为数值型 */ format d1 d2 yymmdd10.;       dif1=d2-d1; dif2=d4-d3; cards; 2013 05 21 2014 03 11 ; proc print; run;

put函数：主要用于把数值型转为字符型 格式：put(变量，输出格式)：数值型转换为字符型，或将字符型转换为其他格式的字符型

proc format; invalue fage low-<40=30 40-<50=40 50-<60=50 60-high=60; data age; input id age fage.;      cards; 1 36 2 43 3 51 4 60 5 59 ; proc print ; run;

proc format; value fage low-<40=30 40-<50=40 50-<60=50 60-high=60; data age; input id age;      ageg=put(age,fage.);  cards; 1 36 2 43 3 51 4 60 5 59 ; proc print ; run;

*靠左是字符型，靠右是数字型; *当使用自定义格式时，如果用input函数，proc format就要用invalue语句；如果用put函数，proc format就要用value语句。 *put函数输出的值一定是字符型的，不管它看起来是数字还是其他样子。 *用input和put函数转换已有变量的时候一定要赋值给另外一个变量，而不是原有变量。

与概率和分布有关的函数

cdf("分布"，分位数，参数)：返回指定分布的累计概率分布与分位数对应的概率

dif和lag函数

3.SAS数据清洗和加工

数据合并

利用set语句进行纵向合并

data 数据集； set 数据集1 数据集2 ...； run;

*如果后面只有一个数据集，此时相当于复制的作用。

set 数据集1（in=临时变量1）数据集2（in=临时变量2）...；

data ab1; set saauser.a1 sasuser.b1; proc print; run;

set 数据集1（rename=(原名1=新名1 ...)）数据集2（rename=（原名1=新名1 ...）） ...；

data ab1; set sasuser.a1 sasuser.b1(rename=(ht=height wt=weight)); proc print; run;

用proc contents看变量的属性

proc contents data=sasuser.a2; run;

将字符型的time转为数值型 data saauser.b2; set sasuser.b2; time1=input(time,yymmdd10.); format time1 yymmdd10.; drop time; rename time1=time; run;

data语句作用是创建新的空白数据集 drop语句是删除

a2和b2合并后区分

data ab2; set sasuser.a2(in=a) sasuser.b2(in=b); a2=a; b2=b; proc print; run;

in=a的意思是产生临时变量a 通过In=选项就可以吧合并数据集中的子数据集做个标识，但是临时变量可以调用，但不会在结果中显示。 只要用到数据集选项“in=临时变量”，就加一句“新变量=临时变量”

利用mergr语句进行横向合并

data 数据集； merge 数据集1 数据集2 ...； by 变量1 变量2 ...； run;

data ab; merge ab1 ab2; by id; drop a2 b2; proc print; run;

再利用by语句进行横向合并时，如果两个数据集实现一定要分别对他们都排序才能合并。 drop a2 b2;意思是删除a2 b2这两个变量。

两个数据的交集

data ab; merge ab1(in=d1) ab2(in=d2); by id; proc print; run;

if d1=1 and d2=1;的意思是跟在set或merge语句后面时，他所起到的作用就是根据指定的表达式保留符合条件的观测。

数据对比

proc compare <base=数据集 compare=数据集><nosummary><transpose>; by变量1 变量2 ...； id变量1 变量2 ...； run;

proc compare base=ab compare=cd nosummary; by id; run; nosusmmary 的作用是不显示一些概括性的结果。

proc compare base=ab compare=cd nodummary transpose; by id; id id; run; 按记录来显示核对。

data sasuser.xb; set ab; if id=4 then time="16Jun2012"d; proc pront; run;

数据清洗-查找和删除重复项

数据清洗-查找和删除重复项

proc sort <data=数据集> <out=数据集><niuniquekey><nodupkey>; by<descending>变量1<descending>变量2 ...； run; *proc sort 语句调用排序过程，选项data是指定对哪个数据集进行排序，选项out是数据集排序后输出位置，否则将覆盖原数据集。 *nouniquekey是输出重复值，nodupkey是删除重复值，输出唯一值。 *by语句是指定排序的变量，可以指定多个，选项descending表示按降序排序，如果不加，默认为按升序排序。

proc sort data=ab1; by id; proc sort data=ab2; by id; run; data ab; merge ab1 ab2; by id; proc print; run;

proc sort data=sasuser.xb nouniquekey out=rep; by nanme gender; proc print data=rap; run; 输出重复值

proc sort data=sasuser.xb nodupkey out=norep; by name gender; proc print data=norep; run; 输出唯一值

扩展内容;first.变量和last.变量

data patients; input id gender age time yymmdd10. sbp; format time yymmdd10.; cards; 1 1 51 2010/01/12 150 1 1 51 2010/02/12 147 1 1 51 2010/03/14 142 2 2 59 2010/01/09 163 2 2 59 2010/02/10 162 2 2 59 2010/03/17 160 2 2 59 2010/04/16 151 ; proc sort;       by id time;                   /*按id和time升序排序 */ run; data patients; set patients; by id; if first.id then firstsbp=sbp;    /*对每个人的第一个观测，将sbp值赋给firstsbp */ retain firstsbp;               /*利用retain语句让firstsbp保留上个观测值 */ difsbp=sbp-firstsbp;          /*计算每次测量值与首次测量值的差值 */ proc print; run;

一是用proc sort 过程按id和time排序，这样SAS后台产生了first.id和last.id两个自动变量； 二是用set语句复制数据集时，也要加上by语句，否则SAS依然不认first.id和last.id.

当if语句跟在set后面时，其作用时保留符合条件的观测。

first.id不是指第一个id值，而是id为某个值时，它所对应的多个观测中的第一个观测；同样，last.id不是指最后一个id值，而是id为某个值时，它所对应的多个观测中的最后一个观测。

数据清洗-查找缺失值

补充内容-数组

array 数组名[下标]<$><数组元素><（元素初始值）>； array是定义数组的标志，看到array,你就要知道后面跟着的是数组。 数组名是给数组起个名字，名字的规则与SAS数据集名一样。 下表指定数组中包括的元素个数，这里的元素一般就是变量。 数组元素主要是列出数组中包含的1个或多个变量，这些变量可以是数据集中的已有变量，也可以是新的变量。如果新建的变量是字符型，需要在前面加上￥符号。 元素初始值指定新变量的值，如果不指定元素初始值，默认新变量的值为缺失值。 array s[5] a b c d e; 表示可以用s[1],s[2],s[3] s[4] s[5]分别代表a,b,c,d,e这五个变量。当你对s[1]操作时，就相当于对a进行操作，但s[1]~s[5]的命名更有规律，因而更容易执行一些批量命令。

数组定义的注意事项： 数组名不能与数据集中已有的变量重名，也不要与已有函数同名。 一个数组中的变量类型必须相同，不能既有数值型，又有字符型。 数组中下标的写法既可以用【】，也可以用{}或（），根据个人习惯。 数组中下表也可以是个范围，如arrat x[11:15] y11 y12 y13 y14 y15;。 数组中“下标”可以不写，而用*代替。如array 下【*】a b c;,SAS会自动根据变量个数来判断下标值为3. 数组中的“数组元素”可以不写，如array y[3];等同于array y[3] y1 y2 y3;. 元素初始值一定要用（）括起来，各个值之间可以用逗号或空格隔开。

data missing; set sasuser.xb; array cha[1] name; if missing(cha[1]) then output; array num[10] gender age height weight time y1-y5; do i=1 to 10; if missing(num[i]) then output; end; proc print; run;

proc sort data=missing out=missing2 nodupkey; by id; proc print; run; 剔除重复观测

补充内容-自动变量

_n_表示观测或记录的序号，如第一个观察_n_=1,第六个观测_n_=6。 _numeric_表示数据集中的所有数值型变量。 _character_表示数据集中的多有字符型变量。 _all_表示数据集中的所有变量。

data missing; set sasuser.xb; array cha[1] _character_ ; if missing(cha[1]) then output; array num[11] _numeric_ ; do i=1 to 11; if missing(num[i]) then output; end; proc print; run;

超值大礼包：查找缺失值的万能程序

dim()函数是专门针对数组的函数，它的作用是返回指定数组所含的元素个数。 如指定数组array x[*]a b c;则dim(x)返回值为3.

data missing; set sasuser.xb; array cha[*] _character_ ; do i=1 to dim(cha); if missing(cha[i]) then output; end; array num[*] _numeric_ ; do i=1 to dim(num); if missing(num[i]) then output; end; proc print; run;

数据清洗-查找异常值

data 新数据集； set 已有数据集； if|where 条件语句； proc print; run;

补充内容：if和where的区别 （1）在利用set语句有条件地复制数据集时，set后紧跟着条件句，此时用if和where都可以。 （2）if：使用SAS的自动变量时，只能用if，不能用where。               如果指定的条件变量时新产生的变量，只能用if,不能用where。 （3）where:当使用某些特殊运算符时，只能用where语句，不能用if。                    特殊字符：between...and，contains"指定字符"，like“指定字符”，is null或is missing          当我们调用某一proc 过程时，如果要选择部分观测执行该过程，只能用where语句，不能用if语句。          当作数据集选项使用时，只能用where.

between ...and:指定介于数值变量两个值之间的观测。 contains "指定字符"：指定字符型变量中包含指定字符的观测。 like"指定字符"：指定字符变量中与指定字符相似的观测，模糊部分可用%或_代替，其中%代表多个符号，_代表1个字符。 is null或is missing：指定包括缺失值的观测。

超值礼包-查找异常值的万能程序

%let data=sasuser.xb;               /*此处改为自己的数据集*/ %let id=id;                        /*此处改为数据集中表示id号的变量*/ %macro outline(var=,low=,high=); data outline; set &data.(keep=&id. &var.); length variable $20. reason $20.; variable="&var."; value=&var.; if &var.<&low. and not missing(&var.) then do; reason="过低"; output; end; else if &var.>&high. and not missing(&var.) then do; reason="过高"; output; end; drop &var.; proc append base=outliner1 data=outline; run; %mend outline; %outline(var=height,low=150,high=200); %outline(var=weight,low=40,high=100); %outline(var=y1,low=1,high=5); %outline(var=y2,low=1,high=5); %outline(var=y3,low=1,high=5); %outline(var=y4,low=1,high=5); %outline(var=y5,low=1,high=5); proc print data=outliner1; run;

缺失值的填补

缺失数据的填补

proc mi<out=数据集><round=><minimum=><maximum=>; mcmc; var 变量1 变量2 ...; run;

proc mi语句调用填补缺失值，Out=是把填补后的数据保存到自定义的数据集中； round=填补缺失值的小数位数； minimum和maximum是指定填补值的最大值和最小值。

data xb9; set xb_revised; if id=9 then delete; /*利用if和delete删除id=9的观测*/ run; proc mi data=xb9 out=nomissing round=1 1 1 minimum=150 1 1 maximum=200 5 5; mcmc; var height y2 y4; run; proc print data=nomissing; run;

缺失数据的更新

data 新数据集； update 旧数据集新数据集； by 索隐变量； run;

data xb_revised; set sasuser.xb; if id=6 then y3=1; if id=7 then y5=5; if id=9 then weight=56; if id=10 then height=162; proc print; run;

data newdata; input id weight height y3 y5; cards; 6 . . 1 . 7 . . . 5 9 56 . . . 10 . 162 . . ; data xb_revised; update sasuser.xb newdata; by id; proc print;

proc univariate data=nomissing noprint; class id;  var height y2 y4; output out=nm mean=height y2 y4; run; data newxb; update xb9 nm; by id; height=round(height,1); y2=round(y2,1); y4=round(y4,1); proc print data=newxb; run;

数据集选项

data aa; input id x@@; cards; 1 10 2 20 3 30 ; data bb; set aa; rename x=x1; y=x+5; run;

data aa; input id x@@; cards; 1 10 2 20 3 30 ; data bb(rename=(x=x1)); set aa; y=x+5; run;

data aa; input id x@@; cards; 1 10 2 20 3 30 ; data bb; set aa(rename=(x=x1)); y=x+5; run; 产生的与前两者不同

通常作为选项时，是与set语句同时起作用的；而作为语句时，是在set语句执行之后才起作用的。

产生数据子集

产生特定记录的子集

1.选择具有相同特征的人群子集

data 新数据集； set 已有数据集； if|where 条件语句； run;

选择连续记录的数据子集

proc print data=数据集（firstobs= obs=）; run;

产生变量子集