请教一个SAS _n_的问题

10981

收藏 2011-11-13

看见mitbbs上的一个问题，正好我也不懂求解释  谢谢

为什么“if _n_=1 then do until (last)”这一段中要用if _n_=1来判断呢？如果不
用的话，sum_x sum_y都是可以正确求出来，但是obs就是missing

请教一下这儿‘if _n_=1’起的什么作用？

data temp;
input x y@;
datalines;
1 2
3 4
5 6
. 9
6 7
7 .
1 8
6 3
;
run;

data q3;
if _n_=1 then do until (last);
      set temp nobs=obs end=last;
      sum_x+x;
      sum_y+y;
end;
set temp;
if x=. then x=sum_x/obs;
if y=. then y=sum_y/obs;
run;

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

meishanjia1900

2011-11-13 21:22:03

最有趣的是这个事实：

运行以下代码：

复制代码

结果为：

--------------------------------------------------------------------------

Obs b a
1 1 4

--------------------------------------------------------------------------

但是，只要改一改，在do前加上if _n_=1 then，即：

复制代码

其结果照说应该不变，但是，真实结果却奇迹地变成：

--------------------------------------------------------------------------

                                       Obs b a
                                          1    1 4
                                          2    1 4

--------------------------------------------------------------------------

我以为这是 if  语句造成的，于是我试着将其变为 if 1+1=2 then，但是，其结果仍是前者，而非后者。

也就是说，造成第二种结果的关键不在"if _n_=1 then"中的 if  ，而在于其中的"_n_=1"！

为什么会出现第二种输出结果呢？

有高手能解释一下DATA步的内部操作原理么？

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

meishanjia1900

2011-11-13 21:41:02

我认为这是一个彻头彻尾的BUG，用以下程序更直接的突出这个BUG：

复制代码

结果为：

---------------------------------------------------------------------------

                                       Obs b final
                                       1    1    0
                                       2    2    1
                                       3    2    .

---------------------------------------------------------------------------

注意第3行final变量的那个空值，它表示第3行是“失落”的一行，它甚至都不能表明自身是否是最后一行！

这简直是笑话。

我不知道究竟是怎样的内部机制造成了这样荒唐的结果！

更让我不解的是，将if _n_<3 换成 if _n_<=3 ，即：

复制代码

结果变成：

---------------------------------------------------------------------------

                                       Obs b final
                                       1    1    0
                                       2    2    1

---------------------------------------------------------------------------

为什么？为什么会有如此的差别？

这不是BUG是什么？

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

meishanjia1900

2011-11-13 22:05:50

现在我将进一步发现的“奇怪现象”记录在下面：

程序1：

复制代码

结果为：

-----------------------------------------------------------------------------

                                       Obs b final
                                       1    1    4
                                       2    2    4
                                       3    2    .

-----------------------------------------------------------------------------

程序2：将程序1的final=4从do循环里拿出来，变为：

复制代码

结果为：

-----------------------------------------------------------------------------

                                       Obs final b
                                       1       4    1
                                       2       4    2
                                       3       4    2

-----------------------------------------------------------------------------

程序3：将程序1中的final=4改为final+4，变为：

复制代码

结果为：

-----------------------------------------------------------------------------

                                       Obs b final
                                       1    1    4
                                       2    2    8
                                       3    2    8

-----------------------------------------------------------------------------

这些记录有助于找出_n_相关的内在机理。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

denver

2011-11-13 22:26:52

有意思，关注中

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

soporaeternus

2011-11-14 10:41:59

在对应的地方添加put _all_;语句并且看下log,可以帮助理解data步的机制
_N_不是记录的条数，而是data步循环的执行次数，虽然在某些简单代码里可以等同于当前记录数

希望对你有帮助

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

tj0412ymy

2011-11-14 15:17:07

Very interesting！上面几个例子中的_N_同时充当了2个角色：记录观测数的变量和循环变量。在读取第一个set语句之前，_N_扮演的是循环变量，读set语句时,扮演的是记录观测数的变量。所以得到的结果的记录数要比原数据集多1条观测。当_N_的值变为1，进入第二次循环时，_N_已经等于2了（相当于retain变量，每次循环加1），point已经指向了原数据集的第二条记录。当读完最后一条观测是，_N_的值已经变为obs+1了，所以在set语句之后直接break了，不会继续执行下面的语句了。如此反复，请高手指教！

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

soporaeternus

2011-11-14 16:16:47

tj0412ymy 发表于 2011-11-14 15:17
Very interesting！上面几个例子中的_N_同时充当了2个角色：记录观测数的变量和循环变量。在读取第一个set语 ...

_N_
is initially set to 1. Each time the DATA step loops past the DATA statement, the variable _N_ increments by 1. The value of _N_ represents the number of times the DATA step has iterated.

这个就是_N_的本质
等于记录数只是一个巧合！

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

haizhilan

2011-11-14 16:20:36

我看了你给出的程序和运行结果，SAS的执行是不存在BUG的(我想也不应该存在，否则SAS公司还怎么混，呵呵)。因为你给的程序太多，逐条解释很麻烦，这里面给出几点提示，如果有任何不明白的地方，欢迎讨论：
1.SAS 数据步隐含循环过程；
2.加法语句(就是sum_x+x之类的)，和Set Statement生成的变量具有Retain语句指定变量一样的功能，循环执行结束后不会变成缺失值；
3.在没有明确的output语句的情况下，Sas在每执行完一次数据步后，会生成一条记录，然后返回从头开始执行，直到读取完全部数据，即end指定的变量取值变成1.
我会针对第一个程序解释一下，希望有帮助

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

haizhilan

2011-11-14 16:33:03

回复：
为什么“if _n_=1 then do until (last)”这一段中要用if _n_=1来判断呢？如果不
用的话，sum_x sum_y都是可以正确求出来，但是obs就是missing

请教一下这儿‘if _n_=1’起的什么作用？

data temp;
input x y@;
datalines;
1 2
3 4
5 6
. 9
6 7
7 .
1 8
6 3
;
run;
*前面的应该不存在疑问data q3;
if _n_=1 then do until (last);
      set temp nobs=obs end=last;
      sum_x+x;
      sum_y+y;
end;
*这里用if 语句的目的是生成x和y变量的和，以为后面求均值赋给缺失值做准备；
*为什么要用_n_=1而不是_n_=2或其它数值呢，因为变量_n_是从1开始赋值，每执行一次数据步往后累加的，如果用_n_=2，则对第1条记录来说，if语句是不执行的，此时无法计算出x和y变量各自的和，如果刚好第1个x或y就缺失的话，是无法被赋予正确的值的，所以为保险起见，只能用_n_=1而不是其它的值 set temp;
if x=. then x=sum_x/obs;
if y=. then y=sum_y/obs;
run;

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

pinseng

2011-11-14 16:43:03

不用if _n_=1，直接do也可以得到x和y的和啊

但是跟temp合并的时候输出就不一样了

今天看了很多资料，还是不明不白

看hopewell老大的帖子，他的风格很喜欢用_n_，不知道能不能找到他来说说怎么回事

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

haizhilan

2011-11-14 16:58:40

回复pinseng：不用if _n_=1是可以为x和y两列分别计算出总和的，但是这样每执行一个数据步循环，do语句就得执行一遍，对程序运行效率有比较大的影响，当观测数比较多的时候表现就非常明显了。
你说跟temp合并，结果不一样，没太明白，是不是我有疏忽的地方

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

soporaeternus

2011-11-14 17:03:46

_N_=1的时候遍历一次全表做一次汇总求和，接下来再读入一次把和粘上去。。。。。。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

pinseng

2011-11-14 17:27:31

就是下面这几个的区别

data temp;
input x y@;
datalines;
1 2
3 4
5 6
. 9
6 7
7 .
1 8
6 3
;
run;

data q3;
do _n_=1 by 1 until (last);
      set temp nobs=obs end=last;
end;
run;

data q31;
do _n_=1 by 1 until (last);
      set temp nobs=obs end=last;
end;
      set temp;
run;

data q32;
if _n_=1 then do until (last);
      set temp nobs=obs end=last;
end;
run;

data q33;
if _n_=1 then do until (last);
      set temp nobs=obs end=last;
end;
      set temp;
run;

data q333;
      set q32;
      set temp;
run;

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

pinseng

2011-11-14 17:31:31

上面的q33 跟 q333 区别是什么？导致最后结果不一样

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

haizhilan

2011-11-14 19:49:14

pinseng 发表于 2011-11-14 17:31
上面的q33 跟 q333 区别是什么？导致最后结果不一样

问题在于这一步：
data q32;
if _n_=1 then do until (last);
set temp nobs=obs end=last;
end;
run;
以下是数据处理过程：
数据步内部的do end循环没有output语句，执行完后应该有x=6, y=3；
此时，从循环跳出，到数据部末尾，该条记录被写入数据集q32；
程序回到数据步开头，这时候 _n_=2，所以if语句不执行，直接走到数据部末尾，该条记录再次被写入数据集q32；
也就是说，数据集q32只有两条一模一样的记录x=6，y=3

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

haizhilan

2011-11-14 20:00:13

pinseng 发表于 2011-11-14 17:31
上面的q33 跟 q333 区别是什么？导致最后结果不一样

接着上面来说，数据步
data q33;
if _n_=1 then do until (last);
set temp nobs=obs end=last;
end;
set temp;
run;
执行完后，会生成一个跟temp一模一样的数据集，因为后面那个set temp语句，会按照正常的程序读取temp中的内容，并写入q33.
那么，显然，以下语句
set q32；
set temp；
生成的数据集q333是temp数据集的前两条记录（当然，如果把两个set语句的顺序换一下，为set temp；set q32，那么就会生成跟q32一样的数据集）。
不知道我是否已经解释明白。欢迎大家指教。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

haizhilan

2011-11-14 20:03:43

另外，在这里讨论的情况下
data q3;
if _n_=1 then do until (last);
      set temp nobs=obs end=last;
      sum_x+x;
      sum_y+y;
end;
set temp;
if x=. then x=sum_x/obs;
if y=. then y=sum_y/obs;
run;
如果去掉if then，而直接用 do语句的话，生成的数据集q3将只有1条记录。显然不是我们想要得到的

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

pinseng

2011-11-15 15:07:31

haizhilan 发表于 2011-11-14 19:49
问题在于这一步：
data q32;
if _n_=1 then do until (last);

请问这段话是什么意思“程序回到数据步开头，这时候 _n_=2，所以if语句不执行，直接走到数据部末尾，该条记录再次被写入数据集q32；也就是说，数据集q32只有两条一模一样的记录x=6，y=3”。

if语句不执行，直接走到数据部末尾是指的哪个数据部？if语句不执行，是不是if到end这一段等于没有，为什么还能读进去一条数据呢？

麻烦再给我讲解一下。听了你说的，明白多了，但还有一点糊涂，多谢多谢！

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

pinseng

2011-11-15 15:11:08

haizhilan 发表于 2011-11-14 20:00
接着上面来说，数据步
data q33;
if _n_=1 then do until (last);

麻烦再问一下，这个地方，if到end产生了一个观测值（对x和y），然后后面跟着set temp；

平时知道的如果这样
set a；
set b；
最后obs的数目应该跟data最少的那个一样多，为什么这儿跟temp一样多？

也就是想问一下，跟你另一个帖子说的把 if 到 then去掉的差别到底是为什么？

多谢多谢！

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

haizhilan

2011-11-15 15:57:59

SAS向data语句后面指定的数据集中写入数据的情况是这样的：
1.如果数据步中没有set语句，即例如纯粹的data temp; x=1;run程序，SAS执行完一遍，即执行到x=1语句以后即将该条记录写入数据集temp(即temp中只有一条记录x=1)，同时，到此结束，SAS继续执行该数据步以后的程序，例如proc print之类的；
2.如果数据步中有set语句，比如data q;set temp;run; 假设temp数据集中有1条记录x=1,那么数据步执行完第1遍以后，将该条记录x=1写入数据集q，同时，还没结束，程序继续回到开头，可以看做从data q语句开始从新执行，继续往下，执行set temp，这时候，temp的最后一条记录已经被读过，没有更多的记录可以读取了，程序跳出该数据步，继续执行后面的proc print之类的，set temp后面即使有语句也不会执行。
关于“if语句不执行，直接走到数据部(不好意思，这里应该是数据步)末尾”，就是指：
data q32;
if _n_=1 then do until (last);
set temp nobs=obs end=last;
end;
run;
执行完第一遍循环，程序回到数据步开头后，_n_=2，所以if语句不执行，即相当于前面所说的第1条，因为后面没有其它语句了，所以直接该写入1条记录到数据集q32中，因为前面set读入的记录没有被改变，所以该条记录再次被写入数据集q32，同时，到此结束(就是前面第1条所说)

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

haizhilan

2011-11-15 16:16:34

对于这个问题
平时知道的如果这样
set a；
set b；
最后obs的数目应该跟data最少的那个一样多，为什么这儿跟temp一样多？
假设这里数据集a和b分别有2条和4条记录，也依照前面说的两条来判断，平时，之所以最后观测数跟数据最少的那个一样多，是因为执行完第二遍循环后，回到数据步开头，往下执行，执行到set a后，因为数据集a中没有数据可读了，所以直接跳出数据步，继续执行后面的proc print之类的程序
但是，这里，有if判断存在后，当数据步执行完第1遍循环后，回到开头，往下执行，因为_n_=2，所以if then之类的就可以当做他不存在了(虽然if then里面的set temp已经执行到temp数据集的最后一条记录，但是只要不再一次执行这个set temp语句，就不会跳出该数据步)，继续执行do until后面的set temp，这时候，读到这个temp的第二条了，读完后将第二条写入q32数据集；继续返回开头，跟上面一模一样，读第三条，直到读完所有的temp数据集位置，数据步结束。
所以说，if then的作用也就在此，阻止了do end里面set语句的执行，如果不阻止，读完一条记录返回后，执行到do end里面的set temp，没有记录，就会直接跳出数据步。
造成的结果是忙来忙去，只得到1条记录，显然不是我们想要的

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

pinseng

2011-11-16 10:05:23

多谢多谢说的非常的详细清晰  感谢帮忙

我再问一个问题，在下面这个里面，为什么sum_x, sum_y会在set temp的每个观测里面都出现呢？

data q2;
if _n_=1 then do until (last);
      set temp nobs=obs end=last;
      sum_x+x;
      sum_y+y;
end;
set temp;
run;

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

gaotao0727

2011-11-16 13:56:13

pinseng 发表于 2011-11-15 15:11
麻烦再问一下，这个地方，if到end产生了一个观测值（对x和y），然后后面跟着set temp；

平时知道的如果 ...

按你的写法两个数据集a,b是纵向排列的，后一个数据集覆盖前一个数据集，最终数据集的观测数是两个数据集数目的最小值~不知你明白没

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

gaotao0727

2011-11-16 14:23:24

haizhilan 发表于 2011-11-15 16:16
对于这个问题
平时知道的如果这样
set a；

学习了~顶一个~~~

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

haizhilan

2011-11-16 19:32:10

pinseng 发表于 2011-11-16 10:05
多谢多谢说的非常的详细清晰感谢帮忙

我再问一个问题，在下面这个里面，为什么sum_x, sum_y会在se ...

set 语句读取的变量在pdv中会保留下来，并且每次都会随着第二个set temp中的变量写入数据集

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

分享

扫码加好友，拉您进群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群