SAS編程技術數(shù)據(jù)步讀入原始數(shù)據(jù)課件

1、第第5章章 數(shù)據(jù)步讀入原始數(shù)據(jù)數(shù)據(jù)步讀入原始數(shù)據(jù)清華大學經(jīng)管學院清華大學經(jīng)管學院 朱世武朱世武ZResdat樣本數(shù)據(jù)：樣本數(shù)據(jù)：SAS論壇：論壇： 原始數(shù)據(jù)分類原始數(shù)據(jù)分類 原始數(shù)據(jù)一般分為字符和數(shù)值兩種類型，數(shù)值數(shù)據(jù)又分為標準數(shù)值數(shù)據(jù)和非標準數(shù)值數(shù)據(jù)。標準數(shù)據(jù)標準數(shù)據(jù)是由字符或者數(shù)值組成的可以被列表、列、格式化、命名輸入方式讀入的數(shù)據(jù)如ARKANSAS,1166.42。非標準數(shù)據(jù)非標準數(shù)據(jù)只能在輸入格式的幫助下讀入的數(shù)據(jù)。如非標準的數(shù)值數(shù)據(jù)，可能包含逗號，空格等符號。日期和時間數(shù)值。十六進制和二進制數(shù)值。標準數(shù)值數(shù)據(jù)標準數(shù)值數(shù)據(jù)只包含數(shù)字,小數(shù)點或負號。非標準數(shù)值數(shù)據(jù)非標準數(shù)值數(shù)據(jù)則包含其它

2、的特殊字符，如千分號，美元符號等。 讀取數(shù)值數(shù)據(jù)的規(guī)則數(shù)值前面的括號或者減號符號表示該數(shù)值為負。首位有一個或者多個零不影響對相應變量的賦值。SAS不把數(shù)值尾部的空格默認為0。數(shù)值數(shù)據(jù)的前后都可以有空格，但是數(shù)字中間不能有（除非用COMMA. 或BZ.格式讀入）。字符數(shù)據(jù)字符數(shù)據(jù) 字符數(shù)據(jù)是由一系列字符組成的數(shù)據(jù)。下面任一種情況下，INPUT語句認定讀入變量的值是字符值。INPUT語句中變量名后跟一個美元符號$；使用字符輸入格式；要讀入數(shù)據(jù)的變量已經(jīng)被定義為字符值。原始數(shù)據(jù)呈現(xiàn)形式原始數(shù)據(jù)呈現(xiàn)形式 原始數(shù)據(jù)的呈現(xiàn)形式一般分為呈現(xiàn)在SAS編輯窗口的數(shù)據(jù)行，和儲存在外部文件中的原始數(shù)據(jù)例例5.1 編

3、輯窗口下，數(shù)據(jù)行形式的原始數(shù)據(jù)。data weight; input PatientID $ Week1 Week8 Week16; loss=Week1-Week16; datalines;2477 195 177 1632431 220 213 1982456 173 166 1552412 135 125 116;例例5.2 儲存在外部文件中的原始數(shù)據(jù)，TXT文本格式。-1-22477 195 177 1632431 220 213 1982456 173 166 1552412 135 125 116使用使用INPUT語句讀入原始數(shù)據(jù)語句讀入原始數(shù)據(jù) INPUT語句的用途有兩方面：讀入

4、外部數(shù)據(jù)文件中的數(shù)據(jù)；讀入CARDS語句后面的數(shù)據(jù)。 INPUT語句的五種輸入方式語句的五種輸入方式 簡單方式：INPUT ; 列方式：INPUT variable start-column ; 格式化方式：INPUT variable informat. ; INPUT (variable-list) (informat-list) ; INPUT (variable-list) ( informat.); 列表方式：INPUT variable ; INPUT variable ; 命名方式：INPUT variable= ; INPUT variable= start-column ;

5、INPUT variable=informat. ; 選項說明specification(s)變量及其格式的詳細說明variable-list列出要讀入數(shù)據(jù)值的變量執(zhí)行下一個INPUT語句時指針移到下一記錄行，要求一條記錄必須對應一個數(shù)據(jù)行執(zhí)行下一個INPUT語句時指針保持在當前記錄行，不要求一條記錄對應一個數(shù)據(jù)行$ 定義字符型變量start-column規(guī)定變量值在記錄行中的起始列end-column規(guī)定變量值在記錄行中的終止列decimalplaces小數(shù)點位置pointer-control 移動輸入指針到指定的行或列上informat 列出變量的輸入格式；informat-list -列

6、出變量列表對應的輸入格式列表decimals規(guī)定小數(shù)部分的位數(shù)列方式輸入列方式輸入 語句格式INPUT variable start-column ; 設定變量名稱，為可選項，如果選擇$則表示這是一個字符變量。而start-column 表示該變量在記錄行中的起始列（終止列）。例例5.3 使用列方式輸入數(shù)據(jù)。data scores;infile datalines truncover;input name $ 1-10 sex $11 age 12-15 ;datalines;Justine F 12Bob M 13;-+-1-+-2-+-3-+- 例中，規(guī)定記錄行的第1到10列為變量NAME

7、的輸入值，11列為變量SEX的輸入值，12到15列為變量AGE的輸入值。NAME和SEX為字符型變量。列方式輸入使用條件列方式輸入使用條件原始數(shù)據(jù)輸入值的位置在每個記錄行相同的列中; 原始數(shù)據(jù)輸入值是標準的數(shù)值格式或一般字符格式。列方式輸入的特點列方式輸入的特點原始數(shù)據(jù)輸入值可以按任意順序讀取；字符型原始數(shù)據(jù)中間可以有空格；可以重復讀取原始數(shù)據(jù)記錄行的某一部分。讀入的數(shù)據(jù)值不需要用空格或者其它分隔符隔開。列表方式輸入列表方式輸入 簡單列表方式輸入簡單列表方式輸入INPUT variable ; 調整列表方式輸入調整列表方式輸入INPUT variable ;列表方式輸入使用條件輸入數(shù)據(jù)值之間至

8、少有一個至少有一個空格隔開；用小數(shù)點表示表示缺失值；字符型值的默認長度為8個字節(jié)，也可以用LENGTH, ATTRIB, INFORMAT語句規(guī)定長度；數(shù)據(jù)必須是字符數(shù)據(jù)或標準的數(shù)值數(shù)據(jù)。數(shù)據(jù)必須是字符數(shù)據(jù)或標準的數(shù)值數(shù)據(jù)。列表方式輸入格式修飾符 :當原始數(shù)據(jù)是以空格為分隔符時，要想對變量值長度不一致的變量規(guī)定統(tǒng)一長度就必須用到該格式修飾符。規(guī)定變量值是從非空格列中讀取， 直到第一次遇到以下三種情況之一，該變量值的讀取過程才結束：l 下一個空格列；l 達到變量預先設定的長度（如果沒有預先設定變量長度就是SAS默認字符長度8個字節(jié)）；l 數(shù)據(jù)行結束。例例5.5 空格為分隔符時，對變量值長度不一致

9、的變量規(guī)定統(tǒng)一長度。data;input Univ : $12. Plc$ Zip ;cards;MIT Boston 100023 TsinghuaUniv Beijing 100084;例中，第一個觀測變量Univ的值為MIT(只讀3個字符，因遇到空格而結束)第二個觀測值為TsinghuaUniv(得到先前定義的變量長度12)。如果只對變量Univ規(guī)定長度，而不加格式修飾符(:)，在讀入第一條記錄時就會出錯，如果不對變量Univ規(guī)定長度，讀入第二條記錄時就會只讀入Tsinghua，而不是預先要讀入的TsinghuaUniv，這是因為SAS默認的字符變量的存儲長度就是8個字節(jié)。UnivPlc

10、ZipMITBoston100023TsinghuaUnivBeijing100084加格式修飾符(:)不加格式修飾符(:)UnivPlc ZipMIT Boston 100023 .&字符型輸入值可能包含一個或幾個空格。因為空格是列表讀入方式默認的分隔符，所以，如果要讀入的數(shù)據(jù)值本身包括空格時就必須用此格式符。例5.6 空格為分隔符時，字符型輸入值嵌有空格。data ;input name & $12. age;cards;Jiang Zhu 20Annie Zheng 31I. Altman 60;run;例中，第一個觀測name 中Jiang Zhu (包含一個空格)，第

11、二個觀測為Annie Zheng （包含一個空格)。分隔符為兩個空格。注意：因注意：因&有以上特性，數(shù)據(jù)之間應該用兩個以上的空格隔開。有以上特性，數(shù)據(jù)之間應該用兩個以上的空格隔開。規(guī)定讀入字符值時保留引號。此選項只在INFILE語句中與選項DSD一起使用時才有效。注意：DSD選項在第六章會有詳細介紹。這里先說明它的4個功能：l 將默認分隔符改為逗號；l 對于連續(xù)的兩個分隔符，中間按缺失值處理；l 將字符變量值的引號去掉；l 對引號里的分隔符按字符來對待。所以INFILE語句中的DSD選項自動把數(shù)據(jù)記錄的分隔符設置為逗號，并且讀入數(shù)據(jù)之前，把字符數(shù)據(jù)中的引號去掉，若加上就會保留數(shù)據(jù)中的引

12、號。可以通過下面的這個例子來理解DSD和的作用。例例5.7 DSD和的作用，讀入字符值時保留引號。 只在INFILE語句中與選項DSD一起使用時才有效。data topics2;infile datalines dsd;input speakers : $15. title $40. location & $10.;datalines;Song, Credit Derivatives, Room 329Zhu, Credit Risk Management, Room 406;proc print;run;由上例可以看出，“”包含包含“:”選項的功能選項的功能。例中，雖然title變量

13、的長度是40，而觀測值得長度都不到40，仍然可以得到正確結果。所以“”包含 “:”的功能。 把speakers后面的“:”改成了“”也可以。例如：data topics2;infile datalines dsd;input speakers $15. title $40. location & $10.;datalines;Song, Credit Derivatives, Room 329Zhu, Credit Risk Management, Room 406;proc print;run;輸出窗口信息:Obs speakers title location 1 Song Cre

14、dit Derivatives Room 329 2 Zhu Credit Risk Management Room 406 但是，若把title后成的“”改成 “:”，引號就因為dsd選項的存在被去掉。如下:data topics2;infile datalines dsd;input speakers : $15. title :$40. location & $10.;datalines;Song, Credit Derivatives, Room 329Zhu, Credit Risk Management, Room 406;proc print;run;輸出窗口信息Obs

15、speakers title location 1 Song Credit Derivatives Room 329 2 Zhu Credit Risk Management Room 406格式化方式輸入格式化方式輸入 格式化輸入方式是INPUT語句讀取非標準數(shù)據(jù)讀取非標準數(shù)據(jù)的唯一方法。即在變量名后面規(guī)定輸入格式。這種輸入方式不僅給出了該輸入數(shù)據(jù)所對應的類型，而且給出了輸入數(shù)據(jù)所在列的長度。語句格式：語句格式：INPUT variable informat. ; INPUT (variable-list) (informat-list) ; INPUT (variable-list) (

16、informat.); 其中：n*規(guī)定在輸入列表中后面的輸入格式重復n次。例例5.8 格式化方式輸入。data;infile datalines;Input (X1-X5) (3*7.2, 2*5.2);.例中，前3個變量X1-X3的格式為7.2，而后2個變量X4-X5的格式為5.2例例5.9 讀入非標準數(shù)據(jù)$1,000.22。data one;input x comma9.2;datalines;$1,000.22;run;例中，讀入的數(shù)據(jù)為1000.22，這里要注意長度，該數(shù)據(jù)符號加上數(shù)字一共是九列。命名方式輸入命名方式輸入 如果數(shù)據(jù)行中含有變量的名字，后面跟著等號和變量的值，讀取數(shù)據(jù)時應

17、該使用命名輸入方式。語句格式INPUT variable= ; INPUT variable= start-column ; INPUT variable=informat. ; 其中：variable=規(guī)定用于INPUT語句讀入的變量名。例例5.11 使用命名輸入格式。data a;input date yymmdd10. fullshr stkcd=$ lstknm=$ ;cards;2001-01-18 1486553100 stkcd=600001 lstknm=邯鄲鋼鐵;run;后面變量的不采用命名輸入格式，讀入數(shù)據(jù)時出錯。data a;input date yymmdd10. st

18、kcd=$ lstknm=$ fullshr;cards;2001-01-18 stkcd=600001 lstknm=邯鄲鋼鐵 1486553100;run;Log窗口顯示出錯信息：NOTE: LOST CARD.RULE: -+-1-+-2-+-3-+-4-+-5-+-6-+-7-+-8-date=14993 stkcd=600001 lstknm=邯鄲鋼鐵 fullshr=. _ERROR_=1 _N_=1NOTE: INPUT 語句到達一行的末尾，SAS 已轉到新的一行。NOTE: 數(shù)據(jù)集 WORK.A 有 0 個觀測和 4 個變量。第第20章章 SQL從單個表中檢索數(shù)據(jù)從單個表中檢索

19、數(shù)據(jù)清華大學經(jīng)管學院清華大學經(jīng)管學院 朱世武朱世武ZResdat樣本數(shù)據(jù)：樣本數(shù)據(jù)：SAS論壇：論壇： SELECT語句綜述語句綜述 SELECT語句是PROC SQL的主要工具。使用SELECT語句可以識別、檢索和操作表中的數(shù)據(jù)，使用SELECT子句可以設定查詢條件。SELECT語句格式語句格式 SELECT object-item INTO macro-variable-specification FROM from-list GROUP BY group-by-item ORDER BY order-by-item ; SELECT 子句子句 語句格式語句格式SELECT object-

20、item FROM from-list選擇所有列選擇所有列 語句格式：COLUMN-NAME= * (asterisk) select * from from-listSELECT子句中，“*”號表示選擇表中的所有列。例：例：proc sql outobs=3; select * from ResDat.dret;選擇特定列選擇特定列 語句格式：Select column-name from from-list例例20.120.1 選擇特定列。proc sql outobs=3;title 股票代碼;select stkcd from resdat.lstkinfo;proc sql outo

21、bs=3;title 股票代碼和名稱;select stkcd,lstknm from resdat.lstkinfo;quit;用用DISTINCT語句剔除查詢結果中重復觀測語句剔除查詢結果中重復觀測 語句格式：=distinct例例20.2 刪除重復觀測。proc sql; select distinct stkcd from ResDat.yrret;quit;創(chuàng)建說明列創(chuàng)建說明列 語句格式：SELECT TEXT， COLUMN-NAME例20.4 創(chuàng)建說明列。proc sql outobs=3; select Stock Code for, lstknm, is, stkcd fro

22、m ResDat.lstkinfo; quit; 輸出窗口結果： 最新股票名稱| Latest Stock 股票代碼|Sto Name ck Code - Stock Code for S深發(fā)展A is 000001 Stock Code for 萬科A is 000002 Stock Code for *ST國農(nóng) is 000004計算新列值計算新列值 語句格式：Calculating Values =Calculating Expression of columns 例例20.5 計算股票每日成交金額。proc sql outobs=3; title Trading Sum; select

23、 stkcd, lstknm, clpr*trdvol format=12.2 from ResDat.qttndist;quit; Trading Sum 最新股票名稱| 股票代碼|Sto Latest Stock ck Code Name - 000001 S深發(fā)展A 3946648.52 000001 S深發(fā)展A 1420743.60 000001 S深發(fā)展A 1120732.50為列分配別名為列分配別名 語句格式：SELECT calculation-form 別名必須符合SAS名稱要求，別名只在當前的查詢中有效。例例20.6 為列分配別名。proc sql outobs=3; tit

24、le Trading Sum; select stkcd, lstknm, clpr*trdvol as trdsum format=12.2 from ResDat.qttndist;quit; Trading Sum 最新股票名稱| 股票代碼|Sto Latest Stock ck Code Name trdsum - 000001 S深發(fā)展A 3946648.52 000001 S深發(fā)展A 1420743.60 000001 S深發(fā)展A 1120732.50CALCULATED 語句語句 語句格式：Calculated Column-name使用別名引用一個計算過的列值時，必須使用Cal

25、culated 關鍵詞，并將Calculated放在列名稱之前，以此告知PROC SQL這個列是經(jīng)計算得到的。proc sql outobs=3;select stkcd,lstknm,date,clpr*mcfacpr as adjpr format 8.2,(calculated adjpr*trdvol) as trdsum format 12.2 from resdat.qttndist;quit; 最新股票名稱|股票代碼|Sto Latest Stockck Code Name 日期|Date adjpr trdsum -000001 S深發(fā)展A 1991-01-02 66.94 3

26、946648.52000001 S深發(fā)展A 1991-01-03 66.89 1420743.60000001 S深發(fā)展A 1991-01-04 66.75 1120732.50CASE表達式表達式 語句格式： CASE WHEN when-condition THEN result-expression END例例20.7 簡單形式的Case表達式。proc sql outobs=3;select stkcd,lstknm,lstdt, case when exchflg=1 then 上交所 when exchflg=2 then 深交所 else 所有交易所 end as exchflg

27、from resdat.lstkinfoorder by lstdt; quit;例中，將股票信息表lstkinfo交易所標識（exchflg）的編碼值進行轉換，同時得到新的交易所標識列及相關數(shù)值。 最新股票名稱|股票代碼|Sto Latest Stock 股票上市日|Lck Code Name ist Date exchflg-000005 ST星源 1990-12-10 深交所600652 愛使股份 1990-12-19 上交所 600602 廣電電子 1990-12-19 上交所使用使用ORDER BY語句排序語句排序 語句格式語句格式ORDER BY order-by-item , .

28、 order-by-item ; 選項說明： order-by-item 可以是如下： integer等同于一個列在SELECT子句中的位置column-name列的名稱或者別名sql-expression見附錄中的sql-expressionASC升序排列數(shù)據(jù)，默認方式DESC降序排列數(shù)據(jù)例例20.9 對股票上市時間列進行排序。proc sql outobs=3;select lstknm,lstdt from resdat.lstkinfoorder by lstdt; quit;最新股票名稱|Latest Stock 股票上市日|LName ist Date-ST星源 1990-12-1

29、0愛使股份 1990-12-19廣電電子 1990-12-19可以通過指定列在SELECT子句中的整數(shù)位置對該列排列。例例20.11 按第4列排序。proc sql outobs=3;select stkcd,lstknm,date,clpr*mcfacpr as adjpr format 8.2from resdat.qttndistorder by 4 desc;quit; 最新股票名稱|股票代碼|Sto Latest Stockck Code Name 日期|Date adjpr-600652 愛使股份 2001-05-15 105881.8600652 愛使股份 2001-05-16

30、103950.1600652 愛使股份 2001-05-14 103020.1用用WHERE語句選擇觀測語句選擇觀測 語句格式語句格式WHERE sql-expression 選項說明： sql-expression （見sql-expression定義）. 例例20.13 用WHERE語句選擇1991年以前上市的股票。proc sql outobs=3;select lstknm, lstdt from resdat.lstkinfo where lstdt31dec1991d;quit; 最新股票名稱|Latest Stock Name 股票上市日|List Date-S深發(fā)展A 1991

31、-04-03萬科A 1991-01-29*ST國農(nóng) 1991-01-14使用使用IN算符算符例20.14 簡單IN算符用法。proc sql outobs=3;select lstknm, stkcd from resdat.lstkinfo where stkcd in (000001 600651 000004);quit;最新股票名稱| Latest Stock Name 股票代碼|Stock Code-S深發(fā)展A 000001*ST國農(nóng) 000004飛樂音響 600651使用使用BETWEEN-AND 算符算符 例例20.16 使用BETWEEN-AND算符選擇滿足一定范圍的觀測。pr

32、oc sql;create table stkinfo1991 as select * from resdat.lstkinfowhere lstdt between 1jan1991d and 31dec1991d;quit;使用使用LIKE算符算符 例例20.17 使用匹配算符LIKE選擇觀測。proc sql;select stkcd,lstknm from resdat.lstkinfo where lstknm like ST%;quit;股票代碼|Sto ck Code 最新股票名稱| Latest Stock Name -000005 ST星源600603 ST興業(yè)使用匯總函數(shù)匯總數(shù)據(jù)使用匯總函數(shù)匯總數(shù)據(jù) 使用匯總函數(shù)（aggregate function or summary function）可以產(chǎn)生數(shù)據(jù)的統(tǒng)計量。 用用WHERE子句匯總數(shù)據(jù)子句匯總數(shù)據(jù) 例例20.19 使用乘法函數(shù)算出代碼為000002的股票調整后的收盤價。proc sql outobs=3;select stkcd,lstknm,clpr*mcfacpr as adjpr from resdat.qttndist where stkcd=000002;