Question

如何利用the little sas book 学sas

Answer 1

1)有两种注释方法，一种是*号和；号；一种是用/* */表示，注意第二种注释方法不能放在第一列
2)错误 SAS程序通常将执行的错误标注为醒目的红色字母，你可能忘了分号，拼错了字母，按错了键盘，一个小错误会使得整个程序无法运行。当你看到红色部分多余黑色部分的时候，不要灰心。
3)SAS数据集也被叫做表、观测值也被叫做行、变量也被叫做列
4)字符变量的缺失值用空格表示，数值变量的缺失值用句号（.）表示
5)为变量和数据集命名时要遵守如下规则：
. 名字的长度要小于等于 32 个字节。
. 以字母或下划线开头。
. 可以包含字母、数字、或者是下划线，不能是%$!*&#@。
. 可以是小写或大写字母，且不区分大小写。
6)SAS程序有两个基本模块：数据步和过程步。
一个典型的SAS程序，由数据步创建SAS数据集开始，再由过程步分析数据。这里有一个例子：数据步中将米转化成千米，过程步中输出结果
DATA step
DATA distance;
Miles = 26.22;
Kilometers = 1.61*Miles;
PROC step
PROC PRINT DATA = distance;
RUN;
数据步和过程步由语句组成（废话），一个过程少至1条语句、多至几百条。新手常犯的错误是将两种过程语句用混，只要记住数据步负责读取、修改数据，过程步负责分析数据、输出报告和效用函数，就不会犯错。
数据步由DATA语句开始：data+数据名。上例中数据步处理了名为distance的数据。为了读取外部数据、未加工的数据，数据步提供了DO LOOPS,IF-THEN/ELSE，以及一些数值和字符函数。数据步也可以按照你想要的方式合并数据集，包括联接（concatenation）和合并（match-merge）。
过程步由proc语句开始：proc+过程名（print、sort、means…），SAS过程步可以处理从数据储存、输出到方差分析、3D图表的一切操作。
典型的程序是以DATA语句开头，输入或修改数据，然后将数据传递给PROC语句。但并不一定非要用这种模式来混合data和proc语句，你可以用任何顺序来排列data和proc两者的顺序，一个程序甚至可以仅有data语句或proc语句。
下面是data语句和proc语句的一些基本不同点：
DATA steps
begin wit DATA statements
read and modifu data
create a SAS data set
PROC steps
begin with PROC statements
perfrom specific analysis or function
produce results or report
7)数据步按照一行一行、一个观测值一个观测值的顺序执行
数据步“一行一行的执行”，这句话很好理解。但很多新手还是容易在这里出错，例如在没有创建一个变量之前就使用它，如果Z变量是X、Y两个变量组合的新变量，那么必须确定创建Z变量的语句在创建X、Y变量语句之后。
而“一个观测值一个观测值的执行”就不是那么容易理解。这意味着SAS先读取一个观测值，然后对这个观测值进行数据步的所有语句（当然也是一行一行的），然后再读取第二个观测值执行。每次执行SAS只有一个观测值。
8)SAS读取的数据的方法主要有以下几种类型：
. 直接输入；
. 从原始数据文件中创建一个SAS数据集（creating SAS data sets from raw data files）；
. 将其他软件中的数据文件转换成SAS数据集；
. 直接读取其他软件的数据集；
9)内部原始数据
如果直接将数据输入SAS程序中，那么数据就是SAS内部数据。DATALINES是一个指示，告诉SAS下面跟着是数据行，直到分号结尾，这个分号可以另起一行，也可以接在数据的后面
10)外部原始数据
数据外SAS程序外部时，使用INFILE语句告诉SAS外部数据的文件名和存放路径，它在data语句之后，在INPUT语句之前。INFILE后面的文件名和路径要用引号，各种系统的引用方式各不同：
Windows: INFILE 'C:\Mydir\President.dat';
UNIX: INFILE '/home/mydir/president.dat';
OpenVMS: INFILE '[username.mydir]president.dat';
OS/390 or z /OS INFILE 'MYID.PREDIDEN.DAT';
11）SAS日志
读取外部数据时，SAS日志会给一些很有用的信息，检查这些信息可以解决一些问题，比如对比INFILE语句读取的记录数和数据集中实际观测值，可以确定SAS是否正确的读取了数据
12）过长记录
在一些操作环境中，SAS假定外部数据文件的记录长度为256或更少（记录长度是指某行中的字符数，包括空格），如果长度过长，SAS不能读取全部，此时需要在INFILE语句中使用LRECL=来指定长度，这个长度必须是数据中最长行的长度，如：
INFILE’c:\MyRawData\President.dat’LRECL=2000;
可以通过SAS日志来查看最大记录长度。
13）INPUT语句是数据步的一部分，它告诉SAS如何读取原始数据。使用List input来写input语句：在INPUT关键词之后列出变量名（按照变量在文件中出现的顺序），变量名长度在32个字节（含）以下，只能包含字母、下划线和数据，并必须以字母或者下划线开头。如果变量是字符串，后面要价“$”号，值与值之间至少有一个空格，语句要以分号结束。如： INPUT Name $ Age Height
;
这表明输入三个变量，其中name是字符串，age和height是数值变量
14)column input读取按固定列排列的原始数据
当一些原始数据的值之间没有空格分开，或者没用用句号代替缺失值时，list input就不能用。
但当每个变量的值都出现在数据行的相同位置时，并且变量值是字符串或者标准数值（只包含数据、小数点、正负号、和科学标注的E。逗号和日期都不能算）时，可以使用column input来读取
相比list input，column input有如下优势：
. 不要求变量值之间的空格；
. 缺失值可以直接用空格代替；
. 字符串中可以包含空格；
. 可以跳过不需要的变量。
Column input的input语句格式如下：input关键字后接变量名、再接变量的列位置（列位置是字符或者数值在一行中的位置）。字符串变量名后仍要用“空格+$”，变量名之间仍要用空格隔开。示例如下：
INPUT Name $ 1-10 Age 11-13 Height 14-18;
这个语句表明,Name变量，在行中占据第一列第十列，为字符串变量，age占据第11-13列，为数值变量，height占据第14-18列，数值变量。
15）informats读取非标准格式的原始数据
有时候原始数据不全是字符串或者数值，比如类似1,00,001这样包括逗号的字符串值，电脑就不能读取，其他诸如包含美元符号、十六进制、压缩十进制的数据都是非标准数据。SAS中，informats可以用来告诉电脑如何读取这样的数值。
日期是最普通的非标准数据，SAS informats会把类似10-31-2003或者31OCT03转换成数字，日期的起点为1960年1月1日，即这一天的数字为0。
Informats的三种普遍格式为：字符串、数值、日期。这三种格式的形式如下：
Character $informatw.
Numeric informatw.d
Date informatw.
$是字符串、informats代表形式(比如日期的MMDDYY)、w是宽度、d是小数点的位数、最后是句号"."，缺少句号会是的SAS把形式(如MMDDYY)当做变量名。一个简单formatted input的简单INPUT语句如下：
INPUT Name $10. Age 3. Height 5.1 BirthDate MMDDYY10.;
Name 为字符串变量，占据10个宽度，即列位置为1-10；
age为数值变量，占据3个宽度，列位置从11-13；
height为数值变量，占据5个宽度，包括1为小数点和小数点本身，列位置从14-18(如150.3)
最后是日期变量，从第19列开始，形式为MMDDYY
16）混合读取方式
每种数据读取方式都有其优势，list最简单，column和formatted虽然复杂但是不要求变量之间的空格，并且变量名中可以包含变量，而且formatted可以读取特殊的数据比如日期。SAS可以灵活的让你搭配不同的读取方式，以达到最大的方便。
有多种方式进行数据读取，下面额程序是方式之一：
DATA nation；
INFILE 'C:\MYrawdata\park.dat';
INPUT ParkName $ 1-22 STATE $ Year @40 Acreage COMA9.;
PROC PRINT DATA = nation;
TITLE 'Selectes national parks';
RUN;
其中ParkName是column方式读取，State和Year是list方式读取，Acreage是formatted方式读取。
混合读取方式有时会遇到问题：SAS通过一个指示器标注位置，来读取原始数据的一行，但每种读取方式对指示器的使用稍有不同。List方式下，SAS自动找到非空格区域并开始读取；column方式下，SAS读取你所指定的特定位置；informatted方式下，SAS不理会指示器的标准，只是依次的读取。这时，就会需要列指示器@n，来人为的让SAS的读取直接跳至某列。
17）读取凌乱的原始数据
有的数据排列混乱，长度不一。这样的数据需要新的工具处理：@’character’ 列指示器和colon modifier。
@’character’ 列指示器 2.9中提到@column列指示器可以让SAS直接从某列开始读取数据。但有时候你不知道要读取的数据是从哪列开始，此时你只要知道要读取的数据的前面那个字符或单词即可。比如有一个关于狗的原始文件，你想要读取狗的品种号，但文件排列很凌乱，只知道品种号跟随在单词breed后面，那么可以用如下方式读取：Input @’Breed:’ DogBreed $;
colon modifier 由于input读取字符串变量默认为8个字符，因此在上例中如果狗的品种名（dogbreed）超过8个字符，则需要定义长度，定义为$length，在该长度中，空格也算在内。如果要使SAS读取过程中遇到空格则不再继续读取，则要在$length前面加冒号“:”。比如原始数据中有这么一行：
例子 web日志是凌乱数据的一个很好例子，下面是一个网站的web日志，数据开始于访问IP，后面有访问日期、访问文件名等信息
现在想要读取访问日期和访问的文件名，但是它们每行中所占据的列的位置都不同，而且文件名的长度每行都不一样，那么SAS读取这种文件通过如下方式：
DATA weblogs：
INFILE 'c:\dogweblogs.txt';
INPUT @'[' AccessDate DATE11. @'GET' File:$20.;
PROC PRINT DATA = weblogs;
TITLE 'Dog Care Web Logs';
RUN;
@’[’作为列指示器，告诉SAS读取[之后的内容，@’GET’告诉SAS读取GET之后的内容，由于文件名作为字符串变量，这里基本都会超过8个字节，因此后面附加:$20
18)跨行观测值的读取方式
一般原始文件中一行代表一个观测值，有时会出现一个观测值跨行的情况。由于SAS会自动转到下一行读取数据，直到读取这个观测的所有变量（input语句中给出），所以你需要告诉SAS什么时候不要换行，以便在日志中不出现SAS-went-to-a-new-line的暂停说明，此时需要在INPUT语句中加行指示器。（？？？？）
行指示器，斜线/：告诉SAS跳至原始数据的第二行；#n：跳至第n行，n代表原始数据中某观测值的行数（#2则让SAS跳至某观测值的第二行），#n不能用来回跳。
例子 有一组关于温度的数据，temperature.dat第一行代表城市和州，第二行代表本日最高温和最低温，第三行代表史上最高温和最低温。
NOME AK
55 44
88 29
用如下的程度来读取这份数据：
DATA highlow;
INFILE 'c:\myrawdata\temperature.dat';
INPUT CITY $ STATE $
/ NormalHigh NormalLow
#3 RecordHigh RecordLow;
PROC PRINT DATA = highlow;
TITLE 'High and Low temperatures for july';
RUN;
Input后面告诉SAS读取第一行的city变量和state变量，斜线/告诉SAS移动到下一行的第一列，以便读取normalhigh和normallow。#3告诉SAS移动到第三行的第一列以便继续读取观测值的recordhigh变量和recordlow变量。这里/可以用#2代替，也可以用/代替#3。
19)当一行出现多个观测值时，可以在input语句结尾加一个停止符号@@
20)读取原始数据的部分观测值
：在SAS读取某一行观测值时，首先读取足够的变量以便决定是否需要保留此行的观测值。然后在input语句结尾加符号@，叫做a trailing at（called a trailing at），这告诉SAS先停在（hold）此行，同时用IF语句检测此观测值是否满足需要，如果是，那么可以再用一个input语句来读取现有的变量
@ vs @@ @的作用类似于@@，都是行停留指示符（line-hold specifiers），不同地方在于停留多久，@能使SAS停留到下一个input语句（也不换行），@@能使停留的时间到下一个data步