【学习】七天搞定SAS（二）：基本操作（判断、运算、基本函数）

今天开始注重变量操作。

SAS生成新变量

SAS支持基本的加减乘除，值得一提的是它的**代表指数，而不是^。* Modify homegarden data set with assignment statements; DATA homegarden; INFILE 'c:\MyRawData\Garden.dat'; INPUT Name $ 1-7 Tomato Zucchini Peas Grapes; Zone = 14; Type = 'home'; Zucchini = Zucchini * 10; Total = Tomato + Zucchini + Peas + Grapes; PerTom = (Tomato / Total) * 100; RUN; PROC PRINT DATA = homegarden; TITLE 'Home Gardening Survey'; RUN;

* Modify homegarden data set with assignment statements;

DATA homegarden;

INFILE 'c:\MyRawData\Garden.dat';

INPUT Name $ 1-7 Tomato Zucchini Peas Grapes;

Zone = 14;

Type = 'home';

Zucchini = Zucchini * 10;

Total = Tomato + Zucchini + Peas + Grapes;

PerTom = (Tomato / Total) * 100;

RUN;

PROC PRINT DATA = homegarden;

TITLE 'Home Gardening Survey';

RUN;

但是如果有缺失值的话，SAS的加法会生成缺失值而不是自动按0处理。为了避免这一点，应该调用sum()函数而不是直接写+。

SAS的函数调用很简单：AvgScore = MEAN(Scr1, Scr2, Scr3, Scr4, Scr5); DayEntered = DAY(Date); Type = UPCASE(Type);

AvgScore = MEAN(Scr1, Scr2, Scr3, Scr4, Scr5);

DayEntered = DAY(Date);

Type = UPCASE(Type);

函数有文本类、数字类、日期类等等。

SAS文本类函数

• ANYALNUM(arg,start)：返回第一次出现任意数字或字母的位置，可选开始位置start。
• ANYALPHA(arg,start)：返回第一次出现任意字母的位置，可选开始位置start。
• ANYDIGIT(arg,start)：返回第一次出现任意数字的位置，可选开始位置start。
• ANYSPACE(arg,start)：返回第一次出现任意空白的位置，可选开始位置start。
• CAT(arg-1,arg-2,...arg-n)：连接字符串，留下头尾空白。
• CATS(arg-1,arg-2,...arg-n)：连接字符串，删除头尾空白。
• CATX('separator-string', arg-1,arg-2,...arg-n)：连接字符串，删除头尾空白并用指定标点连接。
• COMPRESS(arg, 'char')：移除字符串中的空格和可选字符。
• INDEX(arg, 'string') ：返回指定字符在变量中的位置。
• LEFT(arg) ：字符串左对齐。
• LENGTH(arg)：返回字符串长度，不考虑尾部空格。
• PROPCASE(arg) ：首字母大写。
• SUBSTR(arg,position,n)：从字符串中提取指定开始位置指定长度字符。
• TRANSLATE(source,to-1, from-1,...to-n,from-n)：替换字符。
• TRANWRD(source,from,to) ：替换字符串。
• TRIM(arg)：删除尾部空白。
• UPCASE(arg)：替换成大写。

SAS数值函数

• INT(arg):返回整数。
• LOG(arg)：自然对数。
• LOG10(arg) ：10为底对数。
• MAX(arg-1,arg-2,...arg-n) ：最大值
• MEAN(arg-1,arg-2,...arg-n) ：均值
• MIN(arg-1,arg-2,...arg-n) ：最小值
• N(arg-1,arg-2,...arg-n) ：非缺失值个数
• NMISS(arg-1,arg-2,...arg-n) ：缺失值个数。
• ROUND(arg, round-off-unit) ：保留几位小数。
• SUM(arg-1,arg-2,...arg-n)：求和。

SAS日期函数

• DATEJUL(julian-date) :标准julian日期到SAS日期。
• DAY(date)：返回「日」。
• MDY(month,day,year) ：年月日到SAS日期。
• MONTH(date) ：返回「月」。
• QTR(date)：返回季度。
• TODAY()：今日
• WEEKDAY(date)：返回周几（周日为1）。
• YEAR(date)：返回「年」。
• YRDIF(start-date,end- date,’ACTUAL’)：返回相差年份。

SAS中判断语句

如果，则：IF then: IF Model = 'Mustang' THEN Make = 'Ford';

IF then: IF Model = 'Mustang' THEN Make = 'Ford';

还可以执行多项命令，需要嵌套do；可以用and和or：IF Year IF Model = 'Corvette' OR Model = 'Camaro' THEN Make = 'Chevy'; IF Model = 'Miata' THEN DO; Make = 'Mazda'; Seats = 2; END;

IF Year IF Model = 'Corvette' OR Model = 'Camaro' THEN Make = 'Chevy';

IF Model = 'Miata' THEN DO;

Make = 'Mazda';

Seats = 2;

END;

还可以if else：IF Cost = . THEN CostGroup = 'missing'; ELSE IF Cost ELSE IF Cost ELSE CostGroup = 'high';

IF Cost = . THEN CostGroup = 'missing';

ELSE IF Cost ELSE IF Cost ELSE CostGroup = 'high';

用if可以选择数据子集：IF Sex = 'f'; IF Sex = 'm' THEN DELETE;

	
IF Sex = 'f'; IF Sex = 'm' THEN DELETE;

SAS中保留和累加

比如要求累加值（等价于R里面的cumsum），需要：* Using RETAIN and sum statements to find most runs and total runs; DATA gamestats; INFILE 'c:\MyRawData\Games.dat'; INPUT Month 1 Day 3-4 Team $ 6-25 Hits 27-28 Runs 30-31; RETAIN MaxRuns; MaxRuns = MAX(MaxRuns, Runs); RunsToDate + Runs; RUN; PROC PRINT DATA = gamestats; TITLE "Season's Record to Date"; RUN;

* Using RETAIN and sum statements to find most runs and total runs;

DATA gamestats;

INFILE 'c:\MyRawData\Games.dat';

INPUT Month 1 Day 3-4 Team $ 6-25 Hits 27-28 Runs 30-31;

RETAIN MaxRuns;

MaxRuns = MAX(MaxRuns, Runs);

RunsToDate + Runs;

RUN;

PROC PRINT DATA = gamestats;

TITLE "Season's Record to Date";

RUN;

看一眼最终数据：

累加效果出来了~还有一栏是迄今最大值。这也是我觉得sas和R很不同的一点：sas是指针式操作，一行行往下读；而在R里面我们更多是向量或者矩阵式运算，感觉还是有所区别的...

SAS的数组操作

这个就更有点矩阵的味道了，不过还是偶尔感觉怪怪的...感觉数据整理和操纵方面，SAS还是比不上R灵活...

例子为替换为缺失值：* Change all 9s to missing values; DATA songs; INFILE 'c:\MyRawData\WBRK.dat'; INPUT City $ 1-15 Age domk wj hwow simbh kt aomm libm tr filp ttr; ARRAY song (10) domk wj hwow simbh kt aomm libm tr filp ttr; DO i = 1 TO 10; IF song(i) = 9 THEN song(i) = .; END; RUN; PROC PRINT DATA = songs; TITLE 'WBRK Song Survey'; RUN;

* Change all 9s to missing values;

DATA songs;

INFILE 'c:\MyRawData\WBRK.dat';

INPUT City $ 1-15 Age domk wj hwow simbh kt aomm libm tr filp ttr;

ARRAY song (10) domk wj hwow simbh kt aomm libm tr filp ttr;

DO i = 1 TO 10;

IF song(i) = 9 THEN song(i) = .;

END;

RUN;

PROC PRINT DATA = songs;

TITLE 'WBRK Song Survey';

RUN;

这样9就全部替换为缺失值了。把后面10列认为是一个数组，可以直接操作。

SAS还有若干变量名的快捷方式，暂不赘述了...