小白学SAS--自学笔记

@[TOC] (目录）

第一章初识SAS

数据集的命名

数据导入

建立永久数据集

用菜单新建文件夹，并与电脑上已有文件夹关联

用libname语句指定文件夹名，并与电脑上已有文件夹关联

用data语句直接指定电脑上已存在的文件夹路径及sas数据集名

第二章SAS数据集建立的高级议题

sas变量的输入格式

数值型变量的输入格式：w.d(6.3:总位数是6，包括3位小数

sas先根据设定的总位数来读取数据，然后继续考小数位数的设定
sas读整数，没有小数点就自动把自己降为小数
== proc print输出数据集==把读取的数据显示到输出窗口

字符型变量的输入格式：$ w.

sas默认对字符只读取8位，如果变量宽度超过8字节，最好加上宽度值，以保证sas能全部读取

日期型变量的输入格式

常用的分隔符 - / .等sas都可以识别，但是分隔符也占宽度
如果年月日之间没有任何分隔符，此时sas要求输入的月和日都是2位（130508）（2013-5-8）
== 日期型变量的宽度最大不能超过32==

两个特殊输入符 ：和&

sas默认以空格作为变量分隔，但是一旦对变量指定了宽度，sas就不在以默认的空格作为变量区分标志，而是按指定的宽度识别
== 在变量和输入格式之间加冒号：==告诉sas如果要读取下一个变量，需要满足小面任一条件：要么遇到空格，要么变量的宽度读完了
当同一变量的不同数据有不同宽度时，可以指定数据中最大或更大的一个宽度值，然后结合冒号读取

== 变量包含空格==在变量后多加一个&符号
因为每个变量本身有空格，所以变量之间就需要2个或2个以上的空格隔开，这样sas就会把2个及以上的空格作为变量分隔符

sas变量的输出格式

== 指定输入格式会改变变量的值，而指定输出格式不会改变变量的值，只是改变显示的样子==
input
format 变量1 格式1 变量2 格式2

数值型变量的输出格式

w.d
commaw.d:将数值的整数部分自右向左每三位用逗号隔开== w包含逗号和小数点在内==
percentw.d:将数据显示为百分位形式，自动将变量值乘以100，并加上%== 指定w时要预留3个字节的位置显示%==

字符型变量的输出格式

对于字符型变量来说，只要把正确读取进来，sas就会原模原样的把它输出出去

日期型变量的输出格式

自定义输入和输出格式

== proc format==

用informat和format自定义格式

用picture照个输出模板

== low-high的范围就是从最低值到最高值==

如何产生新变量

利用表达式或函数直接产生新变量

== 变量名=表达式或函数==


新变量一定要写在input和cards之间

利用if-then语句产生新变量

== if 表达式 then 新变量= ;
else 新变量= ； ==

利用retain语句和累加语句产生新变量

== retain 变量 <初始值>；==
== 变量+表达式；==

利用do循环语句产生新变量

==do 变量=初始值 to 最终值 <by 增加量>;
sas语句；
output；
end； ==

指定新变量的类型与长度

== length 变量1 <$> 长度1== length与一定要在新变量产生之前就设定好，否则是不起作用的。


字符变量的长度由第一个遇到的值的长度决定，而且字符变量一旦产生，它的长度就无法改变

2.5@符合在输入方式中的应用

== @@是强制sas往右读取数据==
@也是强制sas往右读取数据，不过它只在一定条件下才起作用，只有data不=步中有两个input语句的时候，才对第二个input语句才起作用，如果只有一个input语句，@就不起作用

2.6sas函数应用技巧

与数值计算有关的函数

与字符有关的函数

1.计算变量的长度
length
lengthn
== 如果要对一个变量的所有值进行同样的操作，而这个变量中的值长度不同，那就需要先判断变量长度，然后对不同长度设置不同的添加==
2.提取变量中的字符
substrn：指定一个变量，对该变量从起始位置开始，提取指定长度的字符
3.查找变量中的字符
find
findc：根据指定的起始位置，查找相应的内容，如果找到就返回找到的位置，找不到就返回0
anyalpha：查找变量中任意的字母，并返回第一个字母的位置
anydigit：查找变量中任意的数字，并返回第一个数字的位置
anyalnum：查找变量中任意的字母或数字，并返回第一个字母或数字的位置




4.替换变量中的字符
tranwrd(变量，查找值，替换值）：从变量中找到“查找值”，并用“替换值”替换掉。
tranwrd一次只能替换一个字符串

5.去除变量中的字符
compress（变量<,欲去除的字符><,“修饰符”>）：从变量中去掉“欲去除的字符”
== 修饰符== a去掉变量中所有的字母
b去掉所有的数字
s去掉所有的空格
i忽略大小写
k保留“欲去除的字符”，去掉其他的字符

6.变量的合并
cats：将几个变量合并为一个变量，删除前后空格
catx（“分隔符”，变量1，变量2…）：将几个变量合并为一个变量，中间用分隔符隔开
==||==常规的连接符连接变量

7.清点变量中某字符的个数
count（变量，欲清点的字符<,“i”>）:从变量中找到欲清点的字符，返回字符个数，如果没有找到返回0

8.查找变量中的缺失值
missing（变量）：判断变量是否为缺失值，是则返回1，不是则返回0
missing对数值型变量和字符型变量都是通用的
missing函数一次只能查找一个变量的缺失值，但不意味着多个变量的查找需要写多个函数

与日期和时间有关的函数

1.日期的合并与差值
mdy：将年、月、日合并为一个日期格式的变量或值有人
yrdif（开始日期，结束日期，“计算依据”）：计算两个日期之间以年为单位的差值
datdif（开始日期，结束日期，“计算依据”）：计算两个日期之间以天为单位的依据
计算依据指定计算差值的依据，通常指定’actual",也就是按照当年的实际天数计算

2.日期的提取

与变量类型转换有关的函数

用input函数和put函数转换已有变量的格式，一定要赋值给另一个变量，而不能是原有变量
input（变量，输入格式）：字符型转为数值型，或将字符型转换为其他格式的字符型
put（变量，输出格式）：把数值型转为字符型，
靠左显示说明变量是字符型，靠右显示说明是数值型
put函数输出的值一定是字符型，不管它看起来是数字还是其他样子

与概率和分布有关的函数

cdf（‘分布’，分位数，参数）：返回指定分布的累积概率分布与分位数对应的概率

dif和lag函数

lag函数的作用是返回指定变量的前一个（或前几个）记录
dif函数返回当前记录与前一个（或前一个）记录的差值

第3章sas数据清洗和加工

3.1数据合并

利用set语句纵向合并

set语句的作用是将若干个数据集依次纵向连接，并存放到data语句建立的数据集中。
如果set后面只有一个数据集，此时相当于复制
data 数据集；
set 数据集1（数据集选项） 数据集2（数据集选项）…；
run；
数据集选项
数据集1（in=临时变量1）：针对数据集1产生一个临时变量1，当合并的记录属于数据集1时，该临时变量值为1，否则为0.所以可以利用in=选项判断合并记录哪些属于数据集1 ，哪些属于数据集2.
临时变量可以调用，但不会再结果中显示，所以可以把他们赋值给另外的新变量就可以显示出来了。
数据集1（rename=（原名1=新名1））：把数据集1中的变量改一下名字。当准备合并的2个数据集变量名不同时需要用这个选项把名字改为相同。

sas的数据集一旦建立成功，就没法用命令修改了
如果想对已有数据集进行修改，只能用data语句新建一个数据集，然后用set语句把已有的数据集复制过来，然后在新建相应操作。
data语句的作用是创建新的空白数据集，而不是打开数据集

利用merge语句进行横向合并

data 数据集；
merge 数据集1 数据集2；
by 变量1 变量2；
run；
在利用by语句横向合并时，如果两个数据集事先没有按id排序，一定要先对他们分别进行排序才能合并

数据集的并集
数据集的交集

3.2数据对比

proc compare <base=数据集 compare=数据集> ;
by变量1 变量2；
id变量1 变量2；
run；

nosummary：不显示一些概括性的结果
transpose：按记录显示不一致的结果，如果不指定该选项，默认的是按变量显示不一致的结果
by：指定索引变量，如果两个数据集的记录不同，通过by语句可以避免错位比较的情况
id：指定索引变量，让你很方便地根据该变量找到相应的观测，如果不指定，默认结果只显示第几行

3.3数据清洗—查找和删除重复值

查找和删除重复值

proc sort <data=数据集> <out=数据集> ；
by 变量1 变量2；
run；

proc sort语句调用排序过程
data=数据集指定对哪个数据集进行排序
out=数据集把排序后的数据集输出到指定数据集中，此时原数据仍然保留
nouniquekey输出重复值
nodupkey删除重复值，也就是输出唯一值

重复值的定义需要在by中指定，如果要查找重名的人，那就在by语句中指定代表姓名的一个变量就行，如果姓名和性别都相同才算重复值，那就在by语句中指定代表姓名和性别两个变量。

扩展：first.变量和last.变量

sort过程自动产生两个变量：first.变量和last.变量，分别表示某变量某个值的第一个和最后一个观测

3.4数据清洗—查找缺失值

补充：数组

只要想对多个变量执行完全相同的操作，就可以考虑用数组批量执行这些操作
array 数组名[下标] <$> <数组元素><（元素初始值）>；

array是定义数组的标志
数组名就是给数组起个名字
下标指定数组中包含的变量个数
数组元素主要是列出数组中包含的一个或多个变量，这些变量可以是数据集中已有的变量，也可以是新变量。如果新建的变量是字符型，需要在前面加上$符号
元素初始值是指定新变量的值，如果不指定元素初始值，默认新变量的值为缺失值。

数组定义注意事项
数组名不能与数据集中已有变量名重名，也不要与已有函数同名。
一个数组中的变量类型必须相同，不能既有数值型，又有字符型。
数组下标既可以用[],也可以用{}或()。
数组中下标可以是个范围，如[11:15]。
数组中的下标可以不写，而用代替，如[]。
数组中的数组元素可以不写。
元素初始值一定要用（）括起来，各个值之间可以用逗号或空格隔开。

补充：自动变量

自动变量：sas在运行某些过程中自动产生的变量，这些变量不会直接在结果中显示，但确实存在，可以调用。
_n_表示观测或记录的序号
_numeric_表示数据集中的所有数值型变量
_character_表示数据集中所有字符型的变量
_all_表示数据集中所有的变量

查找确实值的万能程序

dim（）函数是专门针对数组的函数，他的作用是返回指定数组所含元素的个数

3.5数据清洗—查找异常值

data 新数据集；
set 已有数据集；
if | where 条件语句；
proc print；
run；

补充：if 和where的区别

作用一样，都可以根据指定的条件选择观测，但在某些具体用法上有细微差别。
1.都可以使用的场合
利用set语句有条件地复制数据集时，set后紧跟着条件语句，此时两者都可以。（where运行速度快，因为在读入数据之前就执行选择条件）
2.只能用if 的几种场合（并非全部场合）
a。使用sas的自动变量
b。如果指定的条件变量是新产生的变量
3.只能用where的几种场合（并非全部场合）
a。使用某些特殊运算符
between…and…指定介于数值变量两个观测值之间的观测
contains“指定字符”：指定字符型变量中包含字符的观测
like“指定字符”：指定字符变量中与指定字符相似的观测，模糊部分可以用%（代表多个字符）或_（代表一个字符）代替
is null或is missing：指定包含缺失值的观测
b。调用某一个proc过程时，如果要选择部分观测执行该过程
c。当作数据集选项使用时

查找异常值的万能程序

3.6缺失值的填补

缺失值的填补

多重填补法：首先利用数据集中的其他变量来预测具有缺失的变量值，然后用模拟的方法产生一个预测值的分布，从预测值的分布中随机抽取数据作为缺失值的填补。由于缺失变量可能是另一个缺失变量的预测变量之一，所以该过程需要重复多次，循环产生预测值并使用每次更新后的值，最终该过程产生一个没有任何缺失值的数据集。
proc mi <out=数据集> <round=> ；
mcmc；
var 变量1 变量2 …；
run；

proc mi语句调用缺失值填补过程
out=是把填补后的数据保存到自定义的数据集中
round=指定填补值的小数位数
minimum> <maximum指定填补值的最大值和最小值
mcmc语句采用蒙特卡洛模拟方法来产生一个抽样分布，作为缺失值的填补技术
var语句指定哪些变量需要填补

由于多重填补利用的是模拟分布和随机抽样技术，每次产生的填补值都是不一样的
sas默认产生5个填补完整的数据集
proc mianalyse可以直接对mi过程产生的5次填补结果进行综合分析

缺失数据的更新

data 新数据集；
update 旧数据集 新数据集；
by 索引变量；
run；

用update的时候，新建的数据集无需包含所有数据和变量，只要有打算修改的就行，其他作为缺失值即可

扩展：常见sas语句及数据集选项

这些语句都可以用于data步中，如果数据是利用input语句输入的，那这些语句通常放在input和cards之间；如果是利用set语句复制进来的，则放在set语句后面。

3.7产生数据子集

产生特定记录的子集

1选择具有相同特征的人群子集
data 新数据集；
set 已有数据集；
if | where 条件语句；
run；

2选择连续记录的数据子集
proc print data=数据集（firsttobs= obs=）；
run；

firsttobs=指定第一个记录号
obs=指定最后一个记录号

产生变量子集

data 新数据集；
set 已有数据集；
keep | drop 变量1 变量2；
run；

第四章 sas与数据可视化

proc sgplot过程，主要用于绘制线图、点图、柱状图、箱式图、散点图、密度分布图、气泡图、瀑布图、带状图、阶梯图等。
proc template和proc sgrender过程，可自行定义绘图模板，设计自己想要的任意图形。
proc gradar 过程，可用于绘制雷达图、日历图、风玫瑰图等。
proc gmap和proc mapimport过程，可用于绘制各种地图。

4.1 用菜单绘制统计图

绘制数据的分布图

“ODS图形设计器”—直方图----选择数据集和变量
可以在当前图上叠加其他图“添加元素”
分年龄、性别看各组的分布—面板变量

绘制箱式图

箱子中间的圆圈或加号为均值
横线为中位数
箱子两端分别是上下四分位数
箱子外面横线是最大值最小值或上下四分位数+1.5*四分位数间距
超出横线为异常点

绘制散点图和回归线图

绘制序列图、带状图和阶梯图

绘制金字塔图\旋风图\蝴蝶图

4.2用proc sgplog绘制不一样的图

绘制几个常规图

如果指只想分析某一部分人群，可以使用where语句

绘制双坐标轴图

当我们想要在一幅图中同时显示两个指标，而这两个指标的数值又相差很大，就可以考虑增加第二个坐标轴，设置另一套刻度，这样就不会出现两条线相差悬殊的情况了。

绘制多元的柱状图

绘制瀑布图

绘制风险图

根据一定的标准值将图划分为多个不同颜色的区域，每个区域代表不同等级的风险。根据个体落在不同的区域，可以判断个体的风险程度。

绘制自己的卡通图

绘制森林图

4.3用proc template制作绘图模板

绘制饼图

饼图不仅可以显示分类变量各类的百分比，也可以用来展示连续变量，显示各块饼中某变量的均值

马赛克图

截断坐标轴图

三维直方图

可以同时反映两个变量的分布
对于三维直方图，数据太少会不好看，因为它需要利用两个变量不同组合的频数来绘制。

rand函数产生随机数

热图

4.4用proc gradar绘制雷达图

日历图是将一个圆圈划分为面积相等的12份，分别表示1-12月，每部分用不同的颜色表示各月份中某指标值的情况

4.5用proc gmap绘制地图

1.proc mapimport过程
proc mapimport datafile=文件路径和名称 out=数据集名 ;
id 变量 ;
select 变量1;
exclude 变量1;
rename 变量1=新变量1;

proc mapimport调用地图文件导入过程
datafile=指定要导入的地图文件路径和名称
out=指定将导入的地图文件输出的数据集名
选项contens会在log窗口显示导入数据集的基本信息，如变量名称及其类型等。
id指定作为索引的id变量
select指定保留的变量名
exclude指定去除的变量名
rename用于修改原有数据集中的变量名

2.proc gmap 过程
proc gmap data=数据集名 map=地图文件名;
id 变量;
choro 反应变量<选项>;
block 反应变量<选项>;
prism 反应变量<选项>;
area 反应变量<选项>;

proc gmap调用绘制地图过程，该语句必须指定data=和map=
map=指定地图数据集，包含绘制地图所需的各种变量
data=指定分析数据集，包含打算在地图上显示的反应变量
id指定作为索引的变量
choro绘制二维地图不同区域用不同颜色显示
block绘制三维地图，不同区域用不同颜色和高度的柱子显示
prism绘制三维地图，不同区域用不同颜色和高度的凸出显示
area需与block或prism语句一起使用，在不同区域显示不同颜色的柱子或凸出的同时，在地图的平面图也显示不同的颜色

利用sas自带地图文件绘制中国地图

利用shape文件绘制中国地图

sas自带的地图文件虽然方便，但它的数据太局限，只有省的数据，而没有具体到市县的数据

第五章 sas与表格展示

5.1用tabulate过程指表

proc tabulate/选项；
class 分组变量1；
var 分析变量1；
table 变量布局；
keylabel 关键词1=“标签1” ；
run；

制定三维列联表

如果关键词什么都不指定，默认对分类变量输出例数，对连续变量输出总和。

表格的修饰

1.为变量添加标签

2.消除表格中单元格的自动合并


3.不显示变量名
去掉变量名与指定变量名的格式是一样的
="" 里面什么不填相当于去掉标签


4.修改缺失值的显示方式


5.增加合计项


6.修改表中数据的显示形式
一般的布局规律从大道小，先安排总体的大布局，在安排局部的小布局，最后再对变量或关键词进行名称或格式的修饰

生成定量资料的描述表

制作描述多变量的统计表

制作标准的三线表

5.2用report过程制作统计报表

proc report;
column 变量1;
define 变量/选项;
break after/before 变量/选项;
rbreak after/before /选项;
compute after/before 变量;
line “描述”;
endcomp;
compute 变量;
call define(列标识，格式，格式设定值);
endcomp;
by变量;
run;

列表显示符合条件的观测

由于指定的变量既有字符变量，也有数值变量，因此最终显示的是所有符合条件（bmi>=27）的每一条观测


字符变量的默认显示方式是diaplay，即显示每一条观测，而数值变量默认的显示方式是analysis，即显示变量的统计量，默认的统计量是sum
如果想显示数值变量的每一条观测加上display选项就行。

分组显示统计量

如果想要同时显示多个统计量，需要在column语句中指定，而不是在define语句中，define语句一次只能指定一个统计量。

report过程还可以加上自己的总结性文字描述，并在文字中穿插自动变化的统计量

生成列联表

修改变量的输出名字，只要在define语句中直接加引号就行
如果想要让输出的名字分行显示，只要加上/就可以

5.3用ODS系统传送结果

把sas的结果直接传送到word或Excel，PDF
把输出结果的全部或者一部分保存到另一个数据集中，以备后用
选择性的输出结果，根据自己的需要只输出想要的部分结果

把结果输出到word、Excel或PDF

用template制作表格模板

proc template;
define style 模板名;
style 样式元素/样式属性;
end ;
run ;