前几天讲了数据分析中SQL的基本使用方法以及具体案例分析思路，接下来会继续讲统计基础以及在SAS软件内的应用，在这之前，本文先进行SAS基础使用编程的基础介绍，后续会主要阐述SAS软件内的统计数学的应用，如分析或初步建模等，当然了，也先推荐大家有关统计学和SAS学习的书籍：统计学的两本书，分别是《深入浅出统计学》和《商务与经济统计学》，关于SAS的书籍《深入解析SAS——数据处理、分析优化与商业应用》，大家看完之后，会有一个初步的认识。

本文主要介绍SAS编程和数据处理，会分为几个部分。

一 读取外部数到SAS数据集

1，通过使用libname..语句为一个SAS逻辑库分配引用名（临时逻辑库WORK除外），但逻辑库名不能超过8个字符，必须以字母或下划线开头，其余字符必须是字母，数字或者下划线：例如，下面的SAS语句定义了一逻辑库，引用名为saslib

libname saslib 'C:sasdata';

2，SAS变量属性包括变量名，类型，长度，输出格式（format），输入格式（informat）和标签，其中类型分为字符型和数字型，录入，下面的SAS语句定义一部分变量

data saslib.sales;

input ID $ Dept $ Sales Date;

format Sales comma10. Date yymmdd10.;

informat Date date9.;

label ID=”员工ID” Dept=“部门” Sales=“销售数据”；

label Date=“销售时间”；

datalines;

上述代码就定义了变量名以及对应的类型，长度，输出或输入格式。

3.查看数据集的描述信息内容，如数据集属性内容，仍以saslib.sales为例

Proc contents data=saslib.sales;

run;

就可以看到上述定义的变量名以及对应的类型，长度，输出或输入格式。

二 对单个数据集的处理

1，keep或drop选取部分变量：data步可以通过读取原数据集的部分变量来建立新数据集，仍以saslib.sales，读取变量ID和Sales，并建立新的数据集sales1，代码如下：

data saslib.sales1;

set saslib.sales（keep=ID Sales)；

run;

proc print data= saslib.sales1;

run;

新的数据集只有两个变量：ID和Sales，我们也可以用drop语句，指定drop=ID和Sales之外的其他变量，结果是一样的

2，操作数据集的观测

1）if—then语句：SAS内的条件语句，与SQL或者Excel的使用方法类似，直接举例如下：if x<y then c=5;

else c=12;

2)if 条件表达式 then delete：使用delete语句删除满足条件的观测，举例如下：

仍然是saslib.sales数据集，寻找销售数据（Sales）不为缺失值的观测并建立新的数据集saslib.sales2，代码如下：

data saslib.sales2;

set saslib.sales;

if Sales=” ” then delete;

run;

proc print data= saslib.sales2;

run;

上述代码就可以求出销售数据（Sales）不为缺失值数据集，也可以求出其他不为某些条件的数据集，只需把if内的条件表达式进行更改即可，举例如下：在saslib.sales数据集中，选取ID>10的观测输出到数据集saslib.sales1，并将销售数据（Sales）>100的观测输出到数据集saslib.sales2，代码如下：

data saslib.sales1

saslib.sales2;

set saslib.sales;

if ID>10 then output saslib.sales1;

if Sales>100 then output saslib.sales2；

run;

proc print data= saslib.sales1;

run;

proc print data= saslib.sales2;

run;

3）if—then的赋值语句：仍然以数据集saslib.sales为例，当ID=8时，Sales提高20%，

ID=10时，Sales提高10%，其他情况，Sales都提高5%，并生成新的数据集saslib.sales3下面有几种写法，得出的结果是一致的，代码如下：

data saslib.sales3;

set saslib.sales;

if ID=8 then Sales= Sales*1.2 ;

else if ID=10 then Sales= Sales*1.1；

else Sales= Sales*1.05;

run;

proc print data= saslib.sales3;

run;

第二种写法：

data saslib.sales3;

set saslib.sales;

select （Sales）

when(8) Sales= Sales*1.2;

when(10) Sales= Sales*1.1;

otherwise Sales= Sales*1.05

run;

proc print data= saslib.sales3;

run;

以上两种的结果是一样的。

3 分组与排序

1）sort by过程排序：要求数据集结果内的观测按照by语句中的变量进行升序或降序排列，仍然以数据集saslib.sales为例，要求输出的数据集saslib.sales4按照Sales进行降序排列，代码如下：

Proc sort data=saslib.sales out= saslib.sales4;

by descending Sales;

run;

2）找到分组的第一个和最后一个观测：仍然以数据集saslib.sales为例，取每组ID内最高和最低的Sales，生成新的数据集saslib.sales2，代码如下：

data saslib.sales2;

set saslib.sales;

by ID;

if first.ID or last.ID;

run;

4，循环和数组

1）迭代do语句：基本形式为

do 索引变量=开始值< to 结束值><by 递进值><while （表达式）><until（表达式）>;

SAS语句；

End；

举例如下：使用do循环生成数据集do1，数据集包含变量x和y，x的值为1、3、5，y为x的平方。代码如下：

Data work.do1;

do x=1 to 5 by 2;

y=x**2;

output;

end;

run;

2）do until语句：重复执行do循环的语句，直到条件为真。基本形式如下

do until （表达式）；

SAS语句；

end；

举例如下：将给定字符串中包含的各个单词分开写入数据集中

data work.all;

length word $20;

drop string;

string=”the quick brown fox jumps over the lazy dog”;

do until（lengthn（word）=0）;

count+1;

word=scan(string,count);

output;

end;

结果如下：

三 对多个数据集的处理

1，数据集的纵向串联

1）set语句纵向串联：基本形式如下

Data 新数据集；

set 数据集1 数据集2………；

Run；

举例如下，对数据集work.New1和work.New1进行纵向串联，生成新的数据集work.New12，代码如下：

data work.New1;

input Emp_ID $ Emp_Name $ @@;

datalines;

ET001 Jimmy ED003 Emy EC002 Alfred EQ004 Kim

;

run;

data work.New2;

input Emp_ID $ Emp_Name $ @@;

datalines;

EQ122 Molly ET121 Dillon ET124 Helen ED123 John

;

run;

data work.New12;

set work.New1 work.New2;

run;

proc print data=work.New1;

run;

proc print data=work.New2;

run;

proc print data=work.New12;

run;

结果如下：

2）by 语句穿插串联：所有舒服数据集先按照by变量排序，新的数据集也将按照该排序，基本形式如下：

Data 新数据集；

set 数据集1 数据集2………；

by 变量1 变量2…………；

Run；

2，merge by数据集的横向合并：使用by语句，也称为匹配合并，注意在使用by语句时，输入数据集必须按照by变量排序。这个点就不举例子了，和上篇文章内的SQL类似。

3，数据集的更改

modify语句进行单个数据集的更改：运用该语句可以更改原数据集中的变量，但是不能再原数据集中添加或者更改，举例如下：数据集work.inventory中包含产品，库存和价格的信息，先决定将每个产品的价格提高15%，代码如下：

data work.inventory;

modify work.inventory;

price=price*1.15;

run;

proc print data=work.inventory noobs;

run;

前后代码结果为：

4，使用自动变量first.与last.：data步如果使用了by语句，会自动生成两个数值型自动变量first.与last.变量，分别用来辨识by组合的第一条和最后一条观测，举例如下：

数据集Sales中包含了每位员工的销售额和员工所属部门以及性别数据，统计各部门男员工和女员工的总销售额，代码如下：

首先将数据集Sales按照Dept和Gender排序，在运用first.与last.变量计算：

proc sort data=work.sales;

by Dept Gender;

run;

data work.sales_dept;

set work.sales;

by Dept Gender;

retain sales_by_dept;

if first.Gender then

sales_by_dept=0;

sales_by_dept=sales_by_dept+sales;

if last.Gender;

keep Dept Gender sales_by_dept;

run;

proc print data=work.sales_dept noobs;

title 'Sales by Department by Gender';

run;

前后图表如下：

5，使用hash对象处理多个数据集：基本形式如下：

Declare object hash 对象名（<主题1：内容1 <，主题2：内容2，…………>>）;

Hash 对象名.definekey（<主题1：内容1 <，主题2：内容2，…………>>）;

Hash 对象名.definedata（<主题1：内容1 <，主题2：内容2，…………>>）

Hash 对象名. Definedone（）

第一行定义hash的对象名称，第二行和第三行分别定义了对象的key变量和data变量，第四行表示hash对象定义结束。下面举例说明：

公司现有库存1000台汽车，每台车可以发往各个仓库，但是不同仓库给公司带来的边际收益不同，而且每个仓库有一定的容量限制，现在求每个仓库发多少车，同时公司的效益最高，下面是仓库收益数据集expected_profit和仓库容量数据集warehouse_constraint部分数据如下图：

代码如下：data work.allocation;

retain total_cars_before 1000;

length warehouse_id $6;

if _N_=1 then

do;

declare hash constraint(dataset: "work.warehouse_constraint");

constraint.definekey('warehouse_id');

constraint.definedata('capacity');

constraint.definedone();

call missing(warehouse_id,capacity);

end;

set work.expected_profit;

rc = constraint.find();

if rc = 0 and capacity>=1 and total_cars_before>=1 then

do;

capacity=capacity-1;

total_cars_after=total_cars_before-1;

rc=constraint.replace(key:warehouse_id, data: capacity);

if rc=0 then

do;

output work.allocation;

total_cars_before=total_cars_before-1;

end;

else put "Error: Replace capacity failed!";

end;

else if rc ne 0 then

put "Error: Failed to find warehouse capacity!";

keep warehouse_id capacity profit_margin total_cars_before total_cars_after;

run;

结果如下：

至此，SAS基本的编程就说完了，后续会进行SAS的统计与初步建模探讨。