第三章建立数据集 Make the Data Set

第三章建立数据集Make the Data Set 主讲人：李桥

主要内容 • 利用数据步程序建立SAS数据集 • 从程序中直接提供数据 • 从文本数据文件中读取数据 • 从已有数据集中复制数据 • 使用交互式方式建立SAS数据集 • 将其他数据文件转换成SAS数据集

利用数据步程序建立SAS数据集 • 利用数据步建立数据集的三种方式 • 从程序中直接提供数据 • Data语句；启动数据步 • Input语句；描述和输入变量 • Cards语句；标志数据开始 • 从文本数据文件中读取数据 • Data 语句；启动数据步 • Infile语句；指明存放数据的文本文件 • Input语句；描述和输入变量 • 从已有数据集中复制数据 • Data 语句；启动数据步 • Set/Merge/Update语句；连接/合并/修改已有数据集

从程序中直接提供数据，建立SAS数据集 • DATA语句： • 作用：表明数据步的开始，并给出所建数据集的名称。 • 语句格式： DATA < Dataset Name Table > ； • 注：语法符号含义： <…> 表示必选项，用实际内容替换， […] 表示可选项，用实际内容替换， …|…表示二选一，无括号，表示关键词，直接使用。 • 说明：数据集名必须以英文字母开始。数据集名是由半角符号“.”分隔的两部分组成。第1部分称作1级名(libname或库逻辑名)，它标识数据集所存贮的位置；第2部分称作2级名，标识特定的数据集。

几个概念： • 永久数据集/临时数据集： SAS的数据集文件存储在磁盘上，用库逻辑名指定存储位置。如果不明确指定存储位置，SAS默认存储在临时工作区（Work），SAS退出时自动删除，这些数据集称为临时数据集。如：Data a; 如果指定了其他存储位置，如SAS提供的Sasuser库，则退出时不会删除，这些数据集称为永久数据集。如： Data sasuser.a; 也可通过Libname语句指定库逻辑名，自行确定存储位置。 • 注意：一旦建立了永久数据集，在每次使用该数据集名时必须同时指定库逻辑名。

当前数据集：SAS最后建立的数据集。 过程步中如不加指定，默认对当前数据集进行操作。例： DATA D1; INPUT A B; CARDS; 3 5 7 9 ; DATA D2; INPUT C D; CARDS; 13 15 17 19 ; PROC PRINT; PROC PRINT DATA=D1; RUN;

Input语句： • 作用：定义变量，并把输入值赋给相应的变量。 • 格式： Input < Variable Table >; • 三种输入数据格式： • 列表输入 • 列输入 • 格式化输入

列表输入：在Input语句中仅列出变量名；数据仅需用空格分割，不必列对齐。列表输入：在Input语句中仅列出变量名；数据仅需用空格分割，不必列对齐。 • 例： Input name$ sex$ age h w; • 优点：简单易用。 • 缺点： 1）只能按顺序输入变量，不能有选择的输入数据 2）不能输入带空格的数据 3）字符型数据长度受缺省8个字符的限制 • 注意：缺项值用“.”表示。

列输入：在Input语句中，变量名后用数字指明变量的取值在数据行中所处的列位置；数据要求严格列对齐，并出现在所要求的列上。列输入：在Input语句中，变量名后用数字指明变量的取值在数据行中所处的列位置；数据要求严格列对齐，并出现在所要求的列上。 • 例： Input name $1-10 num 11-18 class 15 grade 11-14; cards; zhang san 20051001 Lisi 20052002 ; • 优点：（1）输入值可以以任何顺序读入，只需标明列号（2）字符型数据中可包含空格（3）字符型数据可以最多到200个字符长（4）可读取全部或部分数值 • 缺点：数据必须严格按照列位置输入。 • 注意：所读取列中只有空格或“.”时，被作为缺项值。

格式化输入：在Input 语句中，变量名后给出一个输入格式，输入格式用来说明变量的数据类型和字段的宽度；在数据中，数据一般要求列对齐，不必用空格隔开。 • 例：字符格式：Input name $ 10. ; 数值格式：Input h 4.2 ; 日期格式：mmddyy10. date12. 例： Data a; Input d mmddyy10. d2 date12. ; cards; 10/19/2005 19/Oct/2005 ;

输出格式： 日期数据在输出时，可用Format语句指定输出格式，以便显示成可以理解的日期格式。 • 注意：输出格式不写数据长度。 • 例： Format d date. ; Format语句可用于数据步中，也可用于过程步中。

行保持符（续行符）：@@ • 使SAS执行完Input语句后不换行，保持在同一数据行上，继续读数据。 • 例： Data a; input x y @@; cards; 3.16 2.9 5.8 3 4.9 4.17 ; proc print; run;

从文本数据文件中读取数据，建立数据集 • Infile语句： • 作用：指明存放数据的文本文件，Input语句将从这个文件中读数据，程序中不再出现Cards语句和原始数据。该文件中只保存一行行的原始数据（不包括Cards;语句和数据最后的分号）。 • 语句格式： Infile “< Data file path and filename >”; • 说明： Infile语句要放在Input语句前，数据文件路径要与文件实际存储路径一致。

例： • 数据文件准备：先在编辑环境下写好数据如下： 101 zhang M 1.80 80 102 wang F 1.65 50 然后保存在相应路径下，如：C:\mydata.sas • 编程：清除编辑窗口，输入以下程序： Data a; Infile “c:\mydata.sas”; Input num name$ sex$ h w; Proc print; Run;

从已有数据集中复制数据，建立数据集 • Set语句： • 作用：复制或连接数据集。 • 语句格式： Set < Dataset Name Table >; • 说明：Set语句从一个已存在的数据集中依次读取每一个观测，可进行相应处理，然后依次写入新建的数据集。

例： DATA SCORE1; INPUT NUM S1-S3; CARDS; 1001 78 89 92 1002 87 92 97 1003 64 74 88 ; DATA TOT; SET SCORE1; TOTAL=SUM(OF S1-S3); PROC PRINT; RUN;

其他常用语句： • 赋值语句 • 求和语句 • 删除和保留变量语句 • Length语句 • Label语句 • Format语句 • 注释语句

赋值语句：< Variable > = < Expression >; • 求和语句：< Accumulator Variable> + < Variable >; • 说明；累加和变量先置0，然后对欲求和变量的每个观测的值依次累加到累加和变量上，最后得到该变量各个观测值的累加和。 • 例： DATA A; INPUT X Y @@; S+X; CARDS; 3 5 7 9 20 21 ; PROC PRINT; RUN;

删除和保留变量语句： • 作用：在建立数据集时，将不需要的变量删除，最终数据集中只出现要保留的变量。 • 语句格式： Drop < Variable Table >; 删除变量 Keep < Variable Table >; 保留变量 • 说明：虽然Drop语句指明的变量不写入建立的数据集中，但是这些变量可在该数据步的所有编程语句中使用。在 Data步中，Drop语句位于任何地方所产生的效果都相同（必须位于Data语句之后与Cards语句之前）。 Drop和Keep作用相反，不能在数据步中同时使用。

例： DATA PARTS; INPUT NAME $ S1 S2; TOTAL=S1+S2; DROP S1 S2; CARDS; zhanglin 78 89 wangqiang 95 87 ; Proc print; Run;

例： DATA PARTS; INPUT NAME $ S1 S2; TOTAL=S1+S2; KEEP NAME TOTAL; CARDS; zhanglin 78 89 wangqiang 95 87 ; Proc print; Run;

Length语句：指明字符变量长度。 • 语句格式：Length < Variable Name $> < Value >; • 例： DATA A; LENGTH NAME $ 13; INPUT NAME SEX $ H W; CARDS; ZhangZhihui F 1.70 52 ZhaoChangtai M 1.73 55 ; • 注意：由于NAME变量已在LENGTH语句中定义为字符型量，故INPUT语句中可以不再用$号作定义。

Label 语句 • 作用：当数据集输出（打印）时，用标号字符代替变量名，使对变量名称的描述更加详细。 • 语句格式： Label < Variable Name > = < Label >; • 注意：为使标号有效输出，需在Print过程语句中加Label选项。 • 例： Data a; Input num $ sex $ h w; Label h=身高 w=体重; Cards; 101 M 1.72 61 ; Proc print Label; Run;

Format语句： • 作用：指定变量的输出格式。 • 语句格式：Format < Variable > < Output Format >; • 常用日期变量输出格式： mmddyy. date. worddate. • 例： Data emplo; Input name $ T date9.; Format T worddate. ; Cards; Zhongli 15Jan2005 Liuwei 03Mar2005 ; Proc print; Run;

注释语句：对程序作出解释，或标记某语句不予执行。注释语句：对程序作出解释，或标记某语句不予执行。 • 格式： • 语句开头加一个星号，用分号结束 • 用 /* */ 括起需要注释的程序语句 • 例： * - Example - ; Data a; Label n=name h=height; /* name 和 height 分别是变量 n和h 的标号 */ Input num n$ h; Cards; 1001 zhangsan 1.75 1002 lisi 1.82 ; Proc print label; Run;

使用交互式方式建立SAS数据集 • 应用VIEWTABLE表编辑器创建数据集 • 操作方法： • 打开Viewtable ：【工具】--【表编辑器】菜单 • 确定变量属性：右键单击变量名字段，选择弹出的“Column Attributes”菜单，打开变量属性窗口。确定变量的名称、类型、标号、长度、输入输出格式等属性。 • 输入观测数据。 • 保存数据集：【文件】--【保存】/ 【另存为】菜单，选择逻辑库名，输入成员名（数据集名），保存数据集。

编辑修改数据集 • 打开已有数据集： • 在SAS左侧窗格选中“SAS资源管理器”窗格，选中“逻辑库”文件夹，双击打开。（如找不到“逻辑库”文件夹，用菜单命令【查看】--【向上一级】） • 双击打开所需查看的逻辑库：Sasuser或Work，找到所需的数据集，双击图标打开Viewtable编辑器。

编辑数据集： • 数据集的编辑只能对观测进行添加、删除、修改，不能增删修改变量。 • 利用编辑工具栏按钮 / 编辑菜单进行编辑操作。 • 编辑方法： • 进入编辑模式：按“编辑”按钮或选择【编辑】--【编辑模式】菜单 • 添加新行：选择【编辑】--【添加行】，输入数据后选择【编辑】--【提交新行】。或采用“添加行”和“确认新建行”工具按钮。 • 保存修改：【文件】--【保存】菜单。

将其他数据文件转换成SAS数据集 • SAS支持将其他数据文件如：Excel，Access，dBase，文本文件等转换成SAS数据集。 • 转换方法：通过菜单：【文件】 → 【导入数据】，按向导逐步操作。

第三章建立数据集 Make the Data Set