SAS第二讲编程创建SAS数据集分析.ppt

* 第二讲 编程创建SAS数据集 Data步的一般形式 Data步的编译与执行 变量输入设定 SAS程序的基本内容和结构 基本内容：指明供操作的数据、对数据进行何种加工、期望的输出结果 基本结构：数据步(Data step)语句、过程步(Proc step)语句 Data步的一般形式 SAS程序的书写规则 每个语句以关键词开始，分号结束(不能是中文状态分号) 语句可以在任意列开始和结束，一个语句可以写成多行，多个语句也可以写成一行 语句的词与词之间可以用一个或多个空格符或其他特殊字符隔开 程序行数的添加: Tools\Options\Enhanced Editor…… 数据步的一般形式 Data步一般形式1： Data 数据集名; Infile 文件名 fistobs=n1 obs=n2; Informat 变量名 变量输入格式; Input 变量输入设定; Format 变量名 变量输出格式; Label 变量名=‘变量标签’; Run; 例1 编写程序读入数据“例1.txt”。 Data步的一般形式 数据步的一般形式 Data步一般形式2： Data 数据集名; Infile datalines(或cards) 其他选项; Informat 变量名 变量输入格式; input 变量输入设定; Format 变量名 变量输出格式; Label 变量名=‘变量标签’; datalines(或cards); 数据列 ; Run; 无其他选项时Infile语句可以省略 例2 编写程序 读入数据 “例2.txt”。 Data步的一般形式 变量输入设定 格式化输入模式 适用于字段固定格式源文件,以指针指定起始列，以输入格式决定结束列 一般形式： Input 指针控制 变量名 输入格式…; @n:绝对位置 +n:相对位置 指针默认起始位置为第一列,读入一个字段后指向下一列,依次读入各个字段可缺省 例3 编写程序读入数据“例3.txt”。 例4 编写程序读入数据“例4.txt”。 按列输入模式 适用于字段固定格式源文件 一般形式： Input 变量名 $ n1-n2; 优点：读入字段灵活,允许字符型变量中存在空格符与其他特殊符号，缺失数据无特殊占位要求 缺点：没有设定输入格式，某些类型数据不能正确读入 变量输入设定 例5 使用按列输入模式读入数据“例4.txt”。 列举输入模式 适用于分隔符固定格式源文件,依次读入由分隔符隔开的各个字段 一般形式： Infile 文件名|Cards DLM=分隔符; Length 变量名… $ 长度…; Input 变量名 $…; Input 变量名:输入格式…; 默认长度为8，超过会截断 可于input语句前 解决变量长度超过8的问题 解决特殊格式的输入及 变量长度超过8的问题 例6 编写程序读入数据“例6.txt”。 变量输入设定 分隔符为空格时可缺省 例7 编写程序读入数据“例7.txt”。 读入模式的混合使用 可针对数据特点对不同字段使用不同读入方式 变量输入设定 控制变量输入的关键词：指针位置、格式、分隔符 读入变量的原理：从指针位置(缺省为第1列)读入第一个字段直至 (1)达到规定列；(2)遇到分隔符; (3)达到规定长度(默认长度8、格式规定或Length语句规定) 读入格式由两种情况决定： (1)字符型默认($)和数值型默认； (2)指定格式； ①与变量无冒号分隔：指针达到格式指定长度 ②与变量有冒号分隔：指针达到分隔符前一列 例8 数据“例4.txt”的第一个变量为身份证号，从中读取出生年月日产生一个新的变量。 Data步的编译与执行 数据步程序 编译阶段 执行阶段 创建数据集的描述部分 扫描每个语句检查语法错误 创建数据集的数据部分 对源数据文件每条记录执行数据步 数据步的编译阶段(Compilation phase) 检查程序的语法错误(词语、语法) 转换程序为机器码，供执行阶段使用 建立工作部件：输入缓冲器(Input Buffer) 建立工作部件：PDV(Program Data Vector) 确定数据集中变量的三个必须属性(Name,Type,Length) 建立数据集描述部分 Data步的编译与执行 SAS系统处理DATA步的粗流程 源数据文件 工作部件 Input Buffer PDV SAS数据集 由程序决定 由程序决定 _N_ _Error_ Data步的编译与执行 数据步的执行阶段(Execution phase) PDV中外部变量初始为缺失值(数值：句号,字符：空格) 输入原文件中每条记录至输入缓冲器,按Input语句读入PDV 在数据步结