01. SAS介绍及基础

一、     SAS介绍

1. SAS是专业的统计分析软件，它对表格数据进行操作和统计分析比用Matlab更方便更专业。

2. SAS，SPSS，EXCEL区别

都能用于处理数据和统计分析，高级程度：

SAS > SPSS > EXCEL

EXCEL——侧重表格（办公），只能处理一些简单的数据分析，公式丰富，一般多用于计算（统计分析结果不全面）；

SPSS——专业统计分析软件，界面菜单式操作，简单易学，缺点是通用性不好（处理同样的数据，也要重复点菜单）；

SAS——更专业统计分析软件，代码编程实现（通用性好），大多用于金融、医药等领域，用于大企业的数据分析，缺点是较难学。

    3. 要学好SAS，也离不开《统计学》。

二、     SAS基础

1.    SAS语句（可随便跨行、空行，注释可以用 /*……*/）

①   不区分大小写；

②   以SAS命令关键词开始，以分号结尾；

2.    数据集

（1）即“数据表”，一行称为一个观测值；一列称为一个变量（属性）

（2）数据类型：数值型、字符型

注：“Id”等根据需要既可当作数值型或字符型。

（3）缺失值

数值型缺失值用 . 表示，字符型缺失值用空格表示；

（4）命名规则：字母开始，由字母、数字、下划线组成。

注1：数据集和变量可以有描述性信息，比如数据集有创建日期、观测值数、变量数等；变量有类型、长度、格式等。

注2：数据集按一行（观测值）一行（观测值）执行。

3.    SAS程序两个基本模块

数据步：以DATA开始，负责读入和修改数据，创建数据集；

过程步：以PROC开始，分析处理数据集，呈现结果或报表；

注1：好的习惯是，在它们的结尾都加上RUN，指示该模块的结束，告诉SAS去执行所有之前的程序行。

注2：一个程序可以有多个数据步、过程步。

例1.       学生测验成绩：编号、性别、科目1、科目2、家庭作业。

data Test;

input Subject 1-2 Gender $ 4 Exam1 6-8 Exam2 10-12 HW_Grade $ 14;

datalines;       /* datalines, 数据行开始标志 */

10 M 80  84  A

7  M 85  89  A

4  F 90  86  B

20 M 82  85  B

25 F 94  94  A

14 F 88  84  C

;                 /* 分号, 为数据行结束标志 */

run;

proc print data=Test;

title '学生测验成绩';

run;

proc means data=Test;

title '学生测验成绩分析';

run;

程序说明：Test为数据集名称；input变量名称及其在数据列中的位置，例如1-2表示第1、2列，变量是字符型需要加上$；datalines表示数据开始，注意数据中空格数目与input中列数的对应。

运行结果：

4.    SAS程序执行过程

编完SAS程序，点“提交”按钮，将执行代码，报错和执行过程出现在日志窗口，运行结果出现在结果窗口（输出结果也可以改用html格式输出）。

注：修改语法错误后，最好先清空日志窗口，再再次提交程序。

5.    SAS数据集的存取及访问

（1）SAS数据集采用二级名称，即

libref.filename

其中，libref表示路径名，filename表示数据文件名。例如在路径d:\SASWorks下建立数据集data1，可以用如下代码：

libname mylib 'd:\SASWorks';

data mylib.data1;

程序说明：libname 定义路径变量mylib用来存储路径'd:\SASWorks'，之后就可以使用该路径变量，在其路径下创建数据集。

（2）SAS数据集的存储分为临时存储和永久存储

不指定存储位置，会默认存入Work目录下，此时为临时存储（退出SAS数据将消失）；其它目录下的存储都是永久存储。

注：二级名称“Work.data1” 等同于一级名称“data1”。

（三）从外部文件导入数据

一、     读取空格或分隔符分开的数据

语法：

        data 数据集名;

infile ‘文件路径+文件名’ <可选参数>;

input 变量1 变量2 …;        

注：infile语句告诉SAS外部数据的存放路径和文件名；

示例：

           data students;

infile 'c:\MyRawData\Studens.dat' DLM = ',';

input Name $ Age Height;

注：这是创建临时数据集work.students，若要创建永久数据集，需要指定二级数据集名称。例如，

libname myworks  'D:\SASWorks';

data myworks.students;

infile 'c:\MyRawData\Studens.dat' DLM = ',';

input Name $ Age Height;

1.    最简单的数据文件

（1） 至少被一个空格，缺失值用“.”表示；

（2） 字符串不含空格，少于8个字符；

（SAS默认字符串是8个字符，多于8个字符需要指定列宽）

例1 读取路径c:\MyRawData\下的数据文件ToadJump.dat，内容如下：

图片略

代码：

data toads;

infile 'c:\MyRawData\ToadJump.dat';

input ToadName $ Weight Jump1 Jump2 Jump3;

run;

proc print data = toads;

title 'SAS Data Set Toads';

run;

运行结果：

图片略

注：（1）Nosiy的数据溢出到第二行了，但这不影响，SAS会按照变量顺序自动跳到下一行读取；

（2）程序将不加选择的逐行逐列的读入所有数据记录。

infile语句可以加上可选参数，

2.    MISSOVER选项（处理每行数据个数长短不一）

input语句中输入的几个变量，SAS在观测值中就读取几个变量，如果一行未读完，则进入下一行直到输入的变量都读取了变量值。可以让SAS不进入下一行读取，未赋值的变量读为缺失值。

例2 读入下面数据（c:\MyRawData\AllScores.dat），一个学生应该有5门课的成绩，但由于最后两门是自学课程，不是所有学生都完成，故而缺失：此时就需要加上MISSOVER。

图片略

代码：

data class102;

infile 'c:\MyRawData\AllScores.dat' MISSOVER;

input Name $ Test1 Test2 Test3 Test4 Test5;

run;

proc print data = class102;

run;

运行结果：

图片略

3.    DLM和DSD选项

默认读入的数据是空格分隔，若是其它分隔符分隔，在infile语句中加上DLM=’分隔符’ ：

        逗号分隔——DLM = ‘,’

        制表符分隔——DLM=’09’X  （制表符的十六进制值是09）

有时后面需要再加上DSD，有三个作用：

a. 忽略引号中数据的“假分隔符”（例2）；

b. 自动将字符串中的引号去掉；

c. 将两个相邻的分隔符当作缺失值来处理。

例3 读取路径c:\MyRawData\下的数据文件Bands.csv，内容如下：

图片略

注意第3行引号中的逗号并不是分隔符，另外，每行数据长短不一样，所以还需要加上MISSOVER.

代码：

data music;

infile 'c:\MyRawData\Bands.csv' DLM = ',' DSD MISSOVER;

input BandName:$30. GigDate:MMDDYY10. EightPM NinePM TenPM ElevenPM;

run;

proc print data = music;

title 'Customers at Each Gig';

run;

运行结果：

图片略

4.    FIRSTOBS = m OBS=n选项

有的数据文件包括数据的描述，需要用该选项告诉SAS从第m行开始读取到第n行结束。

例4 读取如下的数据文件（c:\MyRawData\ IceCreamSales2.dat）：

图片略

注意第3行到第5行是有效数据。

代码：

data icecream2;

infile 'c:\MyRawData\IceCreamSales2.dat' FIRSTOBS = 3 OBS=5;

input Flavor $ 1-9 Location BoxesSold;

run;

proc print data = icecream2;

run;

运行结果：

图片略

二、      读取按固定列排列的数据

（1） 同一变量的值都占据相同范围的列内；

（2） 变量值是字符串或者标准数值。