七天搞定SAS系列

七天搞定SAS系列七天搞定SAS系列学习笔记。

参考书籍：The Little SAS Book七天搞定SAS（一）：数据的导入、数据结构标题有些噱头，不过这里的重点是: speak SAS in 7 days。

也就是说，知识是现成的，我这里只是要学会如何讲这门语言，而不是如何边学SAS边学模型。

顺便发现我最近喜欢写连载了，自从西藏回来后.....之所以下定决定学SAS，是因为周围的人都在用SAS。

为了和同事的沟通更有效率，还是多学一门语言吧。

R再灵活，毕竟还是只有少数人能直接读懂。

理论上语言是不应该成为障碍的~就像外语一样，多学一点总是好的，至少出门不发怵是不是？最后一根稻草则是施老师传给我的一个link：/articles/bi/3-career-secrets-for-data-scientist s-1101712/，据说有数据分析师的职业秘笈...我就忍不住去看了看。

其中一句话还是蛮有启发的：如果有人问你要学什么工具，是SAS，R，EXCEL，SQL，SPSS还是？直接回答：所有。

这个答案一方面霸气，一方面也是，何必被工具束缚呢？这东西宜突击不宜拖延，所以还是集中搞定吧。

七天应该是个不错的时间段。

大致分配如下：1. 熟悉SAS的数据结构，如基本的向量，数据集，数组；熟悉基本的数据类型，如文本，数字。

2. 熟悉基本的数据输入与输出。

3. 熟悉基本的逻辑语句：循环，判断4. 熟悉基本的数据操作：筛选行列，筛选或计算变量，合并数据集，计算基本统计量，转置5. 熟悉基本的文本操作函数6. 熟悉基本的计量模型函数7. 熟悉基本的macro编写，局部变量与全局变量其实这大概也是按照我常用的R里面完成的任务来罗列的。

基本计划是完成就可以大致了解SAS的语法了，其他的高级功能现用现学吧。

书籍方面，中文的抢了同事的一本《SAS编程与数据挖掘商业案例》，英文的找了一本「Applied Econometrics Using The SAS System」和「The Little SAS Book」，先这么看着吧。

后知后觉的补充：其实这一系列笔记都是先写再发布的，主要是方便我调整顺序什么的。

事实证明绝大多数时间我在看（或者更直接的，抄）「The Little SAS Book」这本书，姚老师的《SAS 编程与数据挖掘商业案例》简单看了一晚，作为对于SAS 语法的预热。

最后那本「Applied Econometrics Using The SAS System 」更多是看具体模型的用法了，不是熟悉语法的问题了。

例子都是第一本little book 上的，很好用。

本系列连载文章：SAS 的数据类型首先，sas 的编程大概就两块：Data 和PROC ，这个倒是蛮清晰的划分。

然后目前关注data 部分。

SAS 的数据类型还真的只有两种：数字和文本。

那么看来日期就要存成文本型了。

变量名称后面加$代表文本型。

SAS 的数据读入手动输入这种就不考虑了，先是怎么从本地文件读入。

比如我们有文本文件如下：1 2 3 4 5 6 Lucky 2.3 1.9 . 3.0Spot 4.6 2.5 3.1 .5Tubs 7.1 . . 3.8Hop 4.5 3.2 1.9 2.6Noisy 3.8 1.3 1.8 1.5Winner 5.7 . . .然后SAS里面就可以用1 2 3 4 5 6 7 8 9 10 * Create a SAS data set named toads;* Read the data file ToadJump.dat using list input; DATA toads;INFILE ’c:\MyRawData\ToadJump.dat’;INPUT ToadName $ Weight Jump1 Jump2 Jump3; RUN;* Print the data to make sure the file was read correctly; PROC PRINT DATA = toads;TITLE ’SAS Data Set Toads’;RUN;这样就建立了一个名为toads的临时数据集，然后读入外部文件ToadJump.dat，然后告诉SAS有四个变量，其中第一个是文本型。

这样就OK了。

缺失值用一个点.标记。

偶尔数据没那么规范，比如长成：1 2 3 4 5 ----+----1----+----2----+----3----+----4 Columbia Peaches 35 67 1 10 2 1 Plains Peanuts 210 2 5 0 2Gilroy Garlics 151035 12 11 7 6 Sacramento Tomatoes 124 85 15 4 9 1那么就要有点类似正则表达式的感觉，告诉SAS更多的参数：1 2 3 4 5 6 7 * Create a SAS data set named sales;* Read the data file OnionRing.dat using column input;DATA sales;INFILE ’c:\MyRawData\OnionRing.dat’;INPUT VisitingTeam $ 1-20 ConcessionSales 21-24 BleacherSales 25-28 OurHits 29-31 TheirHits 32-34 OurRuns 35-37 TheirRuns 38-40; RUN;8 91011 * Print the data to make sure the file was read correctly; PROC PRINT DATA = sales;TITLE ’SAS Data Set Sales’;RUN;这样SAS就可以正确的读数据了—类似于excel的导入文本-固定宽度分隔。

再不规则的话，比如有日期型的：1 2 3 4 5 6 Alicia Grossman 13 c 10-28-2008 7.8 6.5 7.2 8.0 7.9 Matthew Lee 9 D 10-30-2008 6.5 5.9 6.8 6.0 8.1 Elizabeth Garcia 10 C 10-29-2008 8.9 7.9 8.5 9.0 8.8 Lori Newcombe 6 D 10-30-2008 6.7 5.6 4.9 5.2 6.1 Jose Martinez 7 d 10-31-2008 8.9 9.510.0 9.7 9.0 Brian Williams 11 C 10-29-2008 7.8 8.4 8.5 7.9 8.0那么接下来就是：1 2 3 4 5 6 7 8 91011 * Create a SAS data set named contest;* Read the file Pumpkin.dat using formatted input;DATA contest;INFILE ’c:\MyRawData\Pumpkin.dat’;INPUT Name $16. Age 3. +1 Type $1. +1 Date MMDDYY10. (Score1 Score2 Score3 Score4 Score5) (4.1);RUN;* Print the data set to make sure the file was read correctly; PROC PRINT DATA = contest;TITLE ’Pumpkin Carving Contest’;RUN;就是说，name是一个长度为16的字符；age是长度为3、无小数点的数字；+1跳过空列；type是长度为1的文本；date是MMDDYY长度为10的日期；score1-5是长度为4，小数部分为1位的数字。

还有若干更复杂的，可以遇到时侯回来查手册。

此外还有@可用来直接指定开始读的列。

鉴于我接触的数据一般比较规范，这些就不细看了。

此外SAS可以指定开始读的行数，读取的行数等。

1 2 3 4 DATA icecream;INFILE ’c:\MyRawData\IceCreamSales.dat’ FIRSTOBS = 3; INPUT Flavor $ 1-9 Location BoxesSold;RUN;SAS读取CSV数据以我最关心的CSV文件为例，如下数据：1 2 3 4 5 Lupine Lights,12/3/2007,45,63,70,Awesome Octaves,12/15/2007,17,28,44,12 "Stop, Drop, and Rock-N-Roll",1/5/2008,34,62,77,91 The Silveyville Jazz Quartet,1/18/2008,38,30,42,43 Catalina Converts,1/31/2008,56,,65,34只需要：1 2 3 4 5 6 7 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;其实，貌似更简单的办法是：1 DATA music;2 3 4 5 6 7 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;好吧，import果然更直接一点...excel文件也可以如法炮制。

1 2 3 4 5 6 * Read an Excel spreadsheet using PROC IMPORT;PROC IMPORT DATAFILE = 'c:\MyExcelFiles\OnionRing.xls' DBMS=XLS OUT = sales; RUN;PROC PRINT DATA = sales;TITLE 'SAS Data Set Read From Excel File';RUN;如果需要SAS永久存着这些数据，则需要先指定libname：1 2 3 4 5 6 LIBNAME plants ’c:\MySASLib’;DATA plants.magnolia;INFILE ’c:\MyRawData\Mag.dat’;INPUT ScientificName $ 1-14 CommonName $ 16-32 MaximumHeight AgeBloom Type $ Color $;RUN;后期就可以直接调用啦：1 2 3 LIBNAME example ’c:\MySASLib’; PROC PRINT DATA = example.magnolia; TITLE ’Magnolias’;4 RUN;SAS 读取Teradata数据最后就是从teradata里面读数据，可以利用teradata fastexport特性：1 2 3 4 libname tra Teradata user=terauser pw=XXXXXX server=boom; proc freq data=tra.big(dbsliceparm=all);table x1-x3;run;等价于：1 2 3 4 5 proc sql;connect to teradata(user=terauser password=XXXXXX server=boom dbsliceparm=all); select * from connection to teradata(select * from big);quit;暂时没有fastload的需求，就先这样吧。