The little SAS book 學(xué)習(xí)筆記_13330

1、The little SAS book 學(xué)習(xí)筆記 jiayounet 第四章 排序、打印并描述你的數(shù)據(jù)4.1 使用SAS過程步使用過程步就像填寫一個如左圖的表格，當(dāng)然每個過程步都有獨特的地方，本部分主要討論各過程步相同的地方：大部分過程步都有一個必須的語句，也有可選的語句，比如打印語句：proc print，這兩個詞是必須的，但可選的語句也有很多。Proc語句 所有的語句的必須部分為proc+過程名，比如print、contents等。后面接一些可選項。比如proc print data=banana；data=banana選項告訴SAS打印哪個文件，如果不加，則SAS默認打印最近使用的數(shù)據(jù)。

2、前面還可以家libname語句，建立一個對本地文件的鏈接（2.20），比如：LIBNAME tropical c:MySASLib; PROC CONTENTS DATA=tropical.banana;或者直接引用（2.21）：PROC CONTENTS DATA=c:MySASLibbanana;BY語句 BY語句只在過程proc sort中是必須的，它用來對觀測值排序。其他過程BY告訴過程對變量進行分別分析，且是可選的。比如要對每個州進行分別分析，則為：BY State另外，除了proc sort，其他過程都假設(shè)了數(shù)據(jù)已經(jīng)進行了排序，所以如果數(shù)據(jù)還沒有排序，那么在分析之前要用proc s

3、ort排序。TITLE 和FOOTNOTE語句 這是為輸出加上標題和腳注。最基本的title語句為：title 標題，雙引號、單引號皆可，比如：TITLEThis is a title;如果標題中帶有撇號，則需用雙引號，或者將撇號換為雙撇號：TITLE”Heres another title”;TITLEHeres another title;可以通過在tile、footnote后面加上數(shù)字來添加多個標題和腳注，F(xiàn)OOTNOTE3This is the third footnote;但是小數(shù)字的標題會代替大數(shù)字的標題，如title2會代替title3。標題的去處可以用title+空值：TITL

4、E;Label語句 它可以為輸出的變量加上標簽，一個標簽最大256字節(jié)，下面的代碼為receivedate和shipdate創(chuàng)建了標簽：LABEL ReceiveDate=Date order was receivedShipDate=Date merchandise was shipped;注意的是，在數(shù)據(jù)步中使用label語句，則標簽會保存在數(shù)據(jù)集中；在過程步中使用，標簽只在這個過程中有效。定制輸出 使用系統(tǒng)選項，可以為輸出設(shè)置諸如居中、日期、單行長度、頁長度等。使用Output Delivery System，還可以改變輸出的風(fēng)格，以不同的格式輸出（HTML、RTF），甚至改變輸出的任何

5、細節(jié)。輸出數(shù)據(jù)集 可以用ODS OUTPUT語句為輸出結(jié)果創(chuàng)立一個數(shù)據(jù)集（5.3），一些過程中也可以用out=option。4.2 用where語句在過程中構(gòu)造子集也可以用where構(gòu)造子集，它方便快捷，因為他不創(chuàng)建新的數(shù)據(jù)集。且能夠用在過程步中。Where語句的基本形式為：WHERE condition;只有滿足條件的觀測值才進行proc過程。一些使用最多的操作符及例子：例子 有一份關(guān)于畫家的數(shù)據(jù)，artists.dat，包含畫家的姓名、主要風(fēng)格、國籍：第一步首先是數(shù)據(jù)步，讀取數(shù)據(jù)、使用直接指代在C盤mysaslib目錄下創(chuàng)建一個名為style的數(shù)據(jù)集。某天如果想打印出印象派impressi

6、onism畫家的情況，那么可以使用where語句輸出結(jié)果為：4.3 用proc sort為數(shù)據(jù)排序基本形式為：PROC SORT; BY variable-1.variable-n;SAS首先會按照第一個變量排序，再對后面的排序。Data=，out=用來指定輸入和輸出數(shù)據(jù)，如果缺失out=，則SAS會將排序后的數(shù)據(jù)集代替原來的數(shù)據(jù)集。下面的代碼告訴SAS對數(shù)據(jù)messy排序，并將排序后的數(shù)據(jù)存在neat中：PROC SORT DATA=messy OUT=neat;選項nodupkey告訴SAS排序時刪除重復(fù)值，比如：PROC SORT DATA=messy OUT=neat NODUPKEY

7、;SAS默認是升序，可以用選項DESCENDING來變成降序，將DESCENDING加在要降序的變量前面：BY State DESCENDING City;例子 下面的數(shù)據(jù)顯示了一些鯨魚和鯊魚品種的平均長度：下面的代碼讀取并排序數(shù)據(jù)輸出結(jié)果為：因為SAS認為缺失值是比字符串和數(shù)值都小，所以排在了第一位。另外，由于whale shark 40的數(shù)據(jù)有兩個，故因為nodupkey選項而被刪除一個。說明可見日志：4.4 用proc print打印你的數(shù)據(jù)基本形式：PROC PRINT;SAS默認打印最近使用的數(shù)據(jù)集，DATA=可以指定數(shù)據(jù)集：PROC PRINT DATA=data-set;SAS默

8、認打印觀測值數(shù)，noobs選項可以取消。SAS默認打印時用變量標簽代替變量，用label可以改變?nèi)∠篜ROC PRINT DATA=data-set NOOBS LABEL;還有下面的選項：BY variable-list; 前提是數(shù)據(jù)必須進行排序ID variable-list; SUM variable-list; 打印變量總數(shù)VAR variable-list; 指定打印哪部分變量以及打印順序，默認打印全部。例子 有學(xué)生賣糖果的數(shù)據(jù)，Candy.dat，記錄學(xué)生名、所屬班級、銷售日期、賣的糖果類型、賣出的糖果數(shù)。下面的程序讀取數(shù)據(jù)、計算每個學(xué)生賺得的利潤（每買一塊賺1.25美元），并用

9、proc sort按班級排序。接著在proc print語句中加入by，以分班級打印，加入sum，計算每個班級總利潤：輸出結(jié)果為：4.5 用formats改變打印外觀打印數(shù)據(jù)時，SAS會自動為你安排最好的格式，小數(shù)點位數(shù)、空格等。當(dāng)不需要默認格式時，可以用SAS formats改變打印的外觀。對于字符串、數(shù)值、日期變量，SAS有很多格式。比如可以用commaw.d格式打印有逗號的數(shù)字，用$w.格式控制打印的字符串?dāng)?shù)，用MMDDYYw.格式將日期（以1960.1.1為基點的數(shù)字）打印成12/03/2003這樣的格式。甚至可以將格式打印成十六進制、區(qū)位十進制、壓縮十進制等。SAS格式的普通形式為：

10、符號說明：$說明了是字符串、format是格式名、w是包括包括在小數(shù)點在內(nèi)的長度、d是小數(shù)位數(shù)。句號非常重要，它用來區(qū)分格式名和變量名。Format語句 可以用format語句同時將格式和變量聯(lián)系起來，用format+變量名+格式名，比如想要將格式DOLLAR8.2和變量profit、loss聯(lián)系起來，把格式MMDDYY8.和格變量saledate聯(lián)系起來：FORMAT Profit Loss DOLLAR8.2 SaleDate MMDDYY8.;Format可以用在數(shù)據(jù)步和過程步中，前者將把格式永久儲存，后者只是臨時儲存。Put語句 當(dāng)寫原始數(shù)據(jù)或者報告時，也可以在put語句中使用form

11、ats，在每個變量后面加上格式：PUT Profit DOLLAR8.2 Loss DOLLAR8.2 SaleDate MMDDYY8.;例子 在上面的學(xué)生賣糖果的案例中，可以看到輸出的日期是SAS日期值，這里用format變換成日期格式，并且用DOLLAR6.2將利潤換成貨幣格式，輸出結(jié)果為：4.6 可供選擇的formats下面是例子4.7 使用proc format創(chuàng)建自己的格式有時候變量值用數(shù)字代表實際的變量值，比如1代表男性，2代表女性，這種代碼在打印的時候不好解讀，可以用proc format使得打印出想要的值?；拘问綖椋篤alue語句中的name是格式的名字，如果格式是位字符串

12、設(shè)計，則必須以$開頭，長度不能超過32個字節(jié)（包括$），不能以數(shù)字結(jié)尾，除了下劃線，不能包含其他任何特殊符號。且名字不能與已有的格式名沖突。Range是分配給等號右邊文本的變量值，文本可以達到32767個字節(jié)，有的過程只會打印前面8或16個字節(jié)。下面是一個例子：變量值是字符串要加上引號，range不止一個值要用逗號隔開，連續(xù)的range要用-，關(guān)鍵字low和high可以用來指代變量中最小和最大的的非缺失值。也可以用來排除或指代某些范圍，other可以給任何沒有列在value語句中的變量分配格式。例子 有一份關(guān)于汽車公司客戶的調(diào)查信息。包括客戶年齡、性別（1為男性，2為女性）、每年收入、偏愛的汽

13、車顏色（yellow,gray,blue,or white）：下面的代碼讀取數(shù)據(jù)，并使用format過程為顏色、性別和汽車創(chuàng)建格式，并在打印數(shù)據(jù)時用format為變量指定這些輸出格式：輸出結(jié)果為：4.8 定制一個簡單的報告數(shù)據(jù)步可以幫助在報告中完成一些個性的需求，比如一頁打印一個觀測值等。用file語句和put語句 ，基本形式為：FILEfile-specificationPRINT;如input，put語句也有l(wèi)ist，column，formatted方式，但因為SAS已經(jīng)知道變量類型，因此不用符號$。且如果使用list ，SAS會自動在兩個變量之間加上空格；使用column或者format

14、ted，SAS將會把變量放在任何你指定的地方。使用指示器n指定移動到第n列，+n指定移動n列，/跳動到下一行，#n跳動到第n行。用hold住當(dāng)前行。例子 再一次使用學(xué)生賣糖果的案例，Candy.dat，記錄學(xué)生名、所屬班級、銷售日期、賣的糖果類型、賣出的糖果數(shù)。老師想看每位學(xué)生的銷售情況，故要每頁分別打印一位學(xué)生的情況，代碼如下：Data null是告訴SAS不要寫數(shù)據(jù)集名，以便使得程序更快。File語句創(chuàng)建了一個輸出文件，空標題title語句告訴SAS去除所有的自動標題。第一個put語句以一個指示器開頭，5，告訴SAS移動到第5列，接著打印出“candy sales report for”，

15、后面是姓名name。變量name、class和quantity都是以list方式打印，而profit是使用formatted方式打印，并給定格式dollar6.2。一個斜杠是指跳到下一行，兩個斜杠是跳到下兩行。最后，語句put_age_是在每個學(xué)生報告下面插上頁碼，程序運行后，日志說明如下：前三頁報告如下：4.9 使用proc means描述數(shù)據(jù)可以用proc mens查看一些簡單的統(tǒng)計量，Means過程開始于關(guān)鍵詞proc means，后面接需要打印的統(tǒng)計量，基本形式：PROC MEANS options;如果不加選項，則默認打印出非缺失值個數(shù)、均值、標準差、以及最大最小值，下面是用選項可以

16、查看的統(tǒng)計量：如果沒有其他語句，proc means語句會給你數(shù)據(jù)集中所有觀測值和所有數(shù)值變量的統(tǒng)計量，這里是一些可以用到的語句：BY variable-list; 分變量單獨分析，但數(shù)據(jù)必須先按照variable-list的變量順序排序（proc sort）。CLASS variable-list; 也是分變量單獨分析，看起來會更集中一些，且不需要排序。VAR variable-list; 指定分析中使用哪種數(shù)值變量，默認則使用所有的數(shù)值變量。例子 有一個花朵銷售的數(shù)據(jù)，F(xiàn)lowers.dat，包括顧客ID，銷售日期，petunias，snapdragons，marigolds三種花的銷售量

17、：下面的代碼讀取數(shù)據(jù)，計算新變量銷售月份，month，并使用proc sort按照月份排序，并使用proc means的by語句來按照月份描述數(shù)據(jù)：輸出結(jié)果為：4.10 將描述性統(tǒng)計寫入SAS數(shù)據(jù)集中有兩種方法可以在SAS數(shù)據(jù)集中儲存描述性統(tǒng)計量，Output Delivery System(ODS)，或者output語句。前者在5.3，后者的基本形式為：OUTPUT OUT=data-set output-statistic-list;Data-set是要儲存結(jié)果的數(shù)據(jù)集名，output-statistic-list則界定需要保存哪些統(tǒng)計量和名稱，可能的形式為：statistic(varia

18、ble-list)=name-liststatistic可能是proc means語句中的任何一種統(tǒng)計量（sum，n，mean），variable-list則界定VAR語句中哪些變量需要輸出，name-list則定義統(tǒng)計量的新名字。比如，proc means語句產(chǎn)生了一個數(shù)據(jù)集ZOOSUM，包括一個觀測值和變量lionweight（the mean of the lionsweights），BearWeight（the mean of the bearsweights）。Noprint是告訴SAS不需要產(chǎn)生任何打印結(jié)果，因為已經(jīng)將結(jié)果存入數(shù)據(jù)集中。例子 仍然是花朵銷售的數(shù)據(jù)要描述數(shù)據(jù)，每個顧客

19、只有一個觀測值，包括SUM和MEAN，并且將結(jié)果儲存到數(shù)據(jù)集中以便日后分析。下面的程序讀取程序，按照CustomerID排序，使用means過程，結(jié)果存在totals數(shù)據(jù)集中。以原始名Petunia,SnapDragon,and Marigold給出sum，以新變量名MeanPetunia,MeanSnapDragon,and MeanMarigold給出mean結(jié)果如下：4.11 用proc freq為數(shù)據(jù)計數(shù)對一個變量計算頻數(shù)叫做one-way，兩個叫做two-way，多個叫做交叉表。使用proc freq最明顯的目的是現(xiàn)實分類數(shù)據(jù)的分布情況，基本形式為：PROC FREQ; TABLES

20、 variable-combinations;產(chǎn)生一維頻率表，只要列出變量名。下面的語句列出了變量yearseducation的每一個值的個數(shù)。TABLES YearsEducation;建立兩個變量的交叉表需要一個*號，下面的語句顯示變量Sex by YearsEducation的頻數(shù)情況：TABLES Sex*YearsEducation;這個語句之后可以用/option的形式添加選項，主要下面幾個：LIST：用list形式打印交叉表（而不是網(wǎng)格）MISSING：頻率統(tǒng)計量中包含缺失值NOCOL：強制在交叉表中不打印列百分比NOROW：強制在交叉表中不打印行百分比OUT=data-set：

21、輸出數(shù)據(jù)集比如說，使用第二個選項： TABLES Sex*YearsEducation/MISSING;例子 有一家咖啡店的銷售數(shù)據(jù)，記錄了銷售的咖啡種類（cappuccino,espresso,kona,or iced coffee），以及每次購買的顧客是打包還是原地就飲：下面的代碼就產(chǎn)生了一個one-way和two-way的頻率表：代碼告訴SAS打印兩個表，一個是one-way的頻率表，一個是交叉表。交叉表的每個小方格內(nèi)，SAS打印了頻數(shù)、百分比、行百分比和列百分比。左邊和右邊是累積百分比。注意計算頻數(shù)時沒有考慮缺失值。數(shù)據(jù)表的錯誤kon？4.12 用proc tabulate產(chǎn)生一個表格

22、報告比起print，means，freq，Proc tabulate過程產(chǎn)生的報告更耐看。Proc tabulate的基本形式為：PROC TABULATE;CLASS classification-variable-list;TABLE dimension,row-dimension,column-dimension;Class語句告訴SAS哪些變量將數(shù)據(jù)分成不同部分。Table語句可以定義一個表，可以用多個table語句定義多個表，維度 table語句可以在報告中指定三個維度：頁、行、列。如果只指定一個維度，則默認是列維度；如果指定兩個，則是行和列。缺失數(shù)據(jù) 默認下不考慮缺失數(shù)據(jù)，在pro

23、c語句后面增加missing選項可以改變這種默認：PROC TABULATE MISSING;例子 有關(guān)于船的一些數(shù)據(jù)，Boats.dat，記錄了每艘船的姓名、港口、移動方式（sailing或者power vesse）l，類型（schooner,catamaran,or yacht），使用它遠行的價格你想得到一份報告，包含了每一個港口的、sailing或者power vessel的、每一種類型的、船的數(shù)量，下面的代碼用proc tabulate創(chuàng)建了一個三維報告：港口作為頁、移動方式作為行、類型作為列：報告分兩頁，及港口的每個值情況為一頁：4.13 為proc tabulate輸出增加統(tǒng)計量C

24、lass語句列出分類變量，而VAR語句告訴SAS那些變量裝的是連續(xù)數(shù)據(jù)?；拘问綖椋篜ROC TABULATE;VAR analysis-variable-list;CLASS classification-variable-list;TABLE dimension,row-dimension,column-dimension;關(guān)鍵詞 下面是tabulate可以計算的值：ALL:增加行、列或頁，顯示總數(shù)Max：最高值Min：最低值Mean：算術(shù)均值Median：中位數(shù)N：非缺失值個數(shù)Nmiss：缺失值數(shù)P90：90th分位數(shù)Pctn：某類的觀測值百分數(shù)Pctsum：某類值總和的百分數(shù)STDDE

25、V：標準差SUM：求和Concatenating,crossing,and grouping 維度、變量和關(guān)鍵詞可以Concatenating,crossing,and grouping，Concatenating變量或關(guān)鍵詞，只需用空格分開列出即可；cross變量或關(guān)鍵字只需要用*分開列出即可；group變量只需要用括號括住變量或關(guān)鍵詞。Concatenating: TABLE Locomotion Type ALL;Crossing: TABLE MEAN*Price;Crossing,grouping,and concatenating: TABLE PCTN*(Locomotion T

26、ype);例子 仍然是船的例子，下面的代碼類似4.12，但多了VAR語句，table只包括兩維，但使用了Concatenate,cross,and group：輸出結(jié)果如下：4.14 提升proc tabulate的輸出外觀三種方式可以提升輸出的外觀：Format=option 可以改變數(shù)據(jù)的格式，比如，在表中使得數(shù)字有逗號，并不含小數(shù)，則使用：PROC TABULATE FORMAT=COMMA10.0;Box=和misstext=options format只能用在proc語句中，而box=和misstext=只能用在table語句中。box=的作用是在tabulete報告的左上角的空格中

27、寫下一句簡潔的語句（作用類似標題）。Misstext則是位空數(shù)據(jù)格指定一個值，默認是一個句號，比如下句：TABLE Region,MEAN*Sales/BOX=Mean Sales by Region MISSTEXT=No Sales;這是告訴SAS在左上角打印“Mean Sales by Region”，并且在沒有數(shù)據(jù)的方格內(nèi)打印“No Sales”例子 仍然是船的數(shù)：如下代碼比前面多了format、box、misstext語句。注意format要出現(xiàn)在proc語句中，而box和misstext語句則出現(xiàn)在table語句中。這是“被提升了的”外觀，由于format指定dollar9.2，因

28、此都用貨幣格式輸出。左上角的full day excursions是由于box語句，空方格內(nèi)的none是由于misstext語句。4.15 在proc tabulate輸出的頂部有兩種方法可以改變頂部信息Class 變量 變量值 要改變class語句列出的變量值的頂部，使用format創(chuàng)建一個用戶定義的格式，然后用format語句將格式賦給變量。變量名和關(guān)鍵字 改變變量名和關(guān)鍵字的頂部，用=text賦值即可，可以用等號加空值的方法去除頂部，即=，語句為：TABLE Region=,MEAN=*Sales=Mean Sales by Region;這是告訴SAS移去region和mean的頂部，

29、并且將sale的頂部換為“Mean Sales by Region”有時候當(dāng)行頂部被賦為空格時，會留下一個空白空格，可以用row=float強制去除這種空白空格： TABLE MEAN=*Sales=Mean Sales by Region,Region=/ROW=FLOAT;例子 仍然是船的數(shù)據(jù)：下面的代碼和以前一樣，多了對頂部的改變，format語句創(chuàng)建了一個用戶定義的格式$typ，并用format語句把這個格式賦給變量type，table語句中l(wèi)ocomotion、mean、type的頂部被賦為空格，price的頂部被賦值“Mean Price by Type of Boat.”輸出結(jié)果

30、為：這樣的結(jié)果看起來清晰且緊湊。4.16 為proc tabulate輸出的數(shù)據(jù)方格指定多種格式可以為不同變量指定不同格式，基本形式為：variable-name*FORMAT=formatw.d比如在table語句中插入這個復(fù)雜的語句：TABLE Region,MEAN*(Sales*FORMAT=COMMA8.0 Profit*FORMAT=DOLLAR10.2);這是給變量sales指定格式comma8.0，給變量profit指定格式dollar0.2例子 仍然是船的數(shù)據(jù)，新增加了一個變量，以顯示船的長度：假如你想在報告中同時show出平均價格和平均長度，僅為價格指定貨幣格式。下面的代碼

31、這樣實現(xiàn)，為變量price指定格式dollar6.2，為length指定格式6.0：輸出結(jié)果如下，注意價格和長度的格式不一樣：4.17 用proc report產(chǎn)生一個簡單的輸出Report包含print、means和tabulate、sort的所有功能，可以用一本書來介紹，基本形式為： PROC REPORT NOWINDOWS;COLUMN variable-list;Column語句類似于proc print的var語句，告訴SAS哪些變量該包括并以何種順序，如果遺漏語句column，SAS默認在數(shù)據(jù)集中包括所有變量，如果遺漏選項nowINDOWS，SAS默認啟用交互report窗口。為

32、使數(shù)據(jù)和頂部能很好的區(qū)分開來，可以使用headline和headskip：PROC REPORT NOWINDOWS HEADLINE HEADSKIP;Headline在頂部下面拉了一條線，headskip在頂部下面留了一段空白。數(shù)值變量VS字符串變量 從proc report得到的報告類型，部分依據(jù)于使用的數(shù)值類型。只要報告中起碼有一個字符串變量，默認的報告就是每個觀測值一行。但如果報告全是數(shù)值變量，默認proc report將會加總這些變量，即使是日期變量也會被加總。例子 有一份關(guān)于美國國家公園（national parks）和國家紀念碑（monuments）的數(shù)據(jù)，Parks.dat，

33、變量包括名字、類型（NP for national park or NM for national monument），地區(qū)（East or West），博物館的數(shù)量，野營地的數(shù)量：下面的代碼形成了兩份報告，第一份沒有column語句，SAS使用所有變量，第二份使用column語句，選擇部分變量：第一份報告與proc print相似，第二份報告，由于只選擇museum變量和camping兩個數(shù)值型變量，默認直接顯示加總情況：4.18 在proc report中使用define語句Define用來為單個變量指定一些選項，基本形式為：DEFINE variable/optionscolumn-he

34、ader;Usage選項 這個選項告訴SAS如何使用這個變量，可能的usage選項包括：Across：為變量的每一個變量值都創(chuàng)建一個列Analysis：為變量創(chuàng)建統(tǒng)計量，數(shù)值變量默認有這個usage選項，且統(tǒng)計量默認為sum。Display：為數(shù)據(jù)集中的每一個觀測值都創(chuàng)建一行，對于字符串變量，這個選項是默認的。Group：為每個變量的變量值都創(chuàng)建一行。Order：為每個觀測值都創(chuàng)建一行，且行值的排列是是按照指定的變量來順序。改變列頂部 proc report中幾種方法可以改變列頂部，4.1中的label語句，或者用define語句指定列頂部，下面的代碼使得SAS的report按照age排序，并

35、且以“Age at Admission”作為列頂部：DEFINE Age / ORDER Age at/Admission;缺失數(shù)據(jù) 默認在order，group，和across variables中不考慮缺失值，用missing選項可以改變這種默認：PROC REPORT NOWINDOWS MISSING;例子 仍然是關(guān)于國家公園和紀念碑的數(shù)據(jù)，下面的代碼包含兩個define語句，第一個用order選項來定義region，第二個為變量camping定義列頂部。Camping是一個數(shù)值變量，默認有analysis選項。Missing選項也出現(xiàn)在了proc語句中，因此缺失值也會被考慮在報告中：輸出結(jié)果為：Region有三個變量值，第一個是missing缺失值。4.19 用proc report創(chuàng)建簡易報告Group創(chuàng)建簡易行，across創(chuàng)建簡易列。Group 變量 下面的代碼告訴SAS創(chuàng)建一個顯示每個部門工資總和、獎金總和（數(shù)值變量將默認被加總）的報告：Across變量 corss變量，也需要define語句，不同的是，SAS默認不是