SAS中的SQL语句完全教程.docx
《SAS中的SQL语句完全教程.docx》由会员分享,可在线阅读,更多相关《SAS中的SQL语句完全教程.docx(37页珍藏版)》请在冰豆网上搜索。
SAS中的SQL语句完全教程
SAS中的SQL语句完全教程之一:
SQL简介与基本查询功能本系列全部内容主要以《SQLProcessingwiththeSASSystem(CourseNotes)》为主进行讲解,本书是在网上下载下来的,但忘了是在哪个网上下的,故不能提供下载链接了,需要的话可以发邮件向我索取,我定期邮给大家,最后声明一下所有资料仅用于学习,不得用于商业目的,否则后果自负。
1SQL过程步介绍
1.1SQL过程步可以实现下列功能:
查询SAS数据集、从SAS数据集中生成报表、以不同方式实现数据集合并、创建或删除SAS数据集、视图、索引等、更新已存在的数据集、使得SAS系统可以使用SQL语句、可以和
SAS的数据步进行替换使用。
注意,SQL过程步并不是用来代替SAS数据步,也不是一个客户化的报表工具,而是数据处理用到的查询工具。
1.2SQL过程步的特征
SQL过程步并不需要对每一个查询进行重复、每条语句都是单独处理、不需要print过程步就能打印出查询结果、也不用sort过程步进行排序、不需要run、要quit来结束SQL过程步
1.3SQL过程步语句
SELECT:
查询数据表中的数据
ALTER:
增加、删除或修改数据表的列
CREATE:
创建一个数据表
DELETE:
删除数据表中的列
DESCRIBE:
列出数据表的属性
DROP:
删除数据表、视图或索引
INSERT:
对数据表插入数据
RESET:
没用过,不知道什么意思
SELECT:
选择列进行打印
UPDATE:
对已存在的数据集的列的值进行修改
2SQL基本查询功能
2.1SELECT语句基本语法介绍
SELECTobject-item<,...object-item>
FROMfrom-list
>
>;这里SELECT:
指定被选择的列
FROM:
指定被查询的表名
WHERE:
子数据集的条件
GROUPBY:
将数据集通过group进行分类
HAVING:
根据GROUPBY的变量得到数据子集
ORDERBY:
对数据集进行排序
2.2SELECT语句的特征选择满足条件的数据、数据分组、对数据进行排序、对数据指定格式、一次最多查询32个表。
这里还要提到的就是,在SAS系统中,对于表名和变量名一般不超过32个字符,对于
库名,文件引用名,格式等不能超过8个字符
2.3Validate关键字
Validate关键字只存在于select语句中、可以在不运行查询的情况下测试语句的语法、检查列名是否合法、对于不正确的查询将打印其消息。
例:
1procsql;
2validate
3selectRegion,Product,Sales
4fromsashelp.shoes
5whereRegion='Africa';
NOTE:
PROCSQL语句有有效语法。
6quit;此外,我们还可以用noexec选项也可以用来进行语法测试。
例:
7procsqlnoexec;
8selectRegion,Product,Sales
9fromsashelp.shoes
10whereRegion='Africa';
NOTE:
由于NOEXEC选项,未执行语句。
11quit;
这里提示未执行,未提示错误,说明该语句没有语法错误。
但是如果加入一个sashelp.shoes表里没有字段,这里就会出现错误,例:
12procsqlnoexec;
13selectRegion,Product,Sales,test
14fromsashelp.shoes
15whereRegion='Africa';
ERROR:
以下这些列在起作用的表中没有找到:
test.
16quit;
2.4查询列
我们可以像2.3那样查询指定列,也可以用*来查询所有列。
例:
procsql;
select*
fromsashelp.shoes;
quit;
这里我们可以用feedback选项来查看到底我们选择了哪些列:
17procsqlfeedback;
18select*
19fromsashelp.shoes;
NOTE:
Statementtransformsto:
selectSHOES.Region,SHOES.Product,SHOES.Subsidiary,SHOES.Stores,SHOES.Sales,SHOES.Inventory,SHOES.Returns
fromSASHELP.SHOES;
20quit;
这时,我们可以看到从sashelp.shoes表中选择了8个列
2.5消除重复值
我们可以用distinct选项来消除重复值。
例如,我们要得到没有重复的所有地区的名称:
procsql;
selectdistinctRegion
fromsashelp.shoes
quit;
2.6where子集查询
2.6.1比较运算符
先列出
where语句用到的比较运算符
LT<
小于
GT>
大于
EQ=
等于
LE<=
小于或等于
GE>=大于或等于
NEA=不等于
例如,我们要查询sales大于100000的所有数据:
procsql;
select*
fromsashelp.shoes
wheresales>100000;
quit;
262in:
只要满足in里的任意一个值,表达式即为真,例如,我们要选择和EasternEurope的所有数据:
procsql;
select*
fromsashelp.shoes
whereRegionin('Africa','EasternEurope');
quit;
2.6.3逻辑运算符
OR|或
AND&是
NOTA非
例如,选择Region在Africa和EasternEurope,且销售额大于100000procsql;
select*
fromsashelp.shoes
whereRegionin('Africa','EasternEurope')andsales>100000;
quit;
2.6.4CONTAINS或?
:
判断某列是否包含指定字符串
例如,选择列Region包含’Afr的数据:
procsql;
select*
fromsashelp.shoes
whereRegion?
'Afr';
Region在Africa
的所有数据:
quit;
2.6.5ISNULL或ISMISSING:
判断某列数据是否为空
例如,如果找出Region为空的数据:
procsql;
select*
fromsashelp.shoes
whereRegionismissing;
quit;
注意,这里我们还可以用以下表达式对where语句进行替换。
如果region为数值型变量,则可以用region=.,如果region为字符型变量,则可以用region=‘进'行替换。
2.6.6Betweenand:
选择某一区间的数据
例如选择sales大于100000,但小于200000的所有数据:
procsql;
select*
fromsashelp.shoes
wheresalesbetween100000and200000;
quit;
2.6.7like:
判断是否能匹配某些字符
例如,选择以region以A开头的所有地区
procsql;
select*
fromsashelp.shoes
whereRegionlike'A%';
quit;
这里注意有两类通配符,‘%'可以通配任意个任意字符,‘_只'能通配一个任意字符
2.6.8=*:
类似匹配
这里由于sashelp.shoes里没有符合要求的数据,所有就用书上的例子说明一下吧:
Wherelastname=*‘smith来的结果可能是:
smith,smythe等
2.7表达式
这时用关键词as来给新的列赋列名,例如:
我们可以通过已有的列进行计算来得到新的列,
procsql;
selectRegion,Product,Sales,Stores,Sales/Storesassalesperstoresfromsashelp.shoes
quit;
这时结果就会多一列salesperstores用来得到该地区该产品每个商店的平均销售量。
这里要
注意的是,在创建表达式时,我们还可以在SQL里用到SAS中的除LAG和DIFF之外的所有函数。
这里我们还可以用表达式计算出来的结果来进行子集查询,但一定要记住用calculated关键
词。
例如我们要找出商店平均销售量大于5000的数据:
方法一:
procsql;
selectRegion,Product,Sales,Stores,Sales/Storesassalesperstores
fromsashelp.shoes
whereSales/Stores>5000;
quit;
方法二:
procsql;
selectRegion,Product,Sales,Stores,Sales/Storesassalesperstores
fromsashelp.shoes
wherecalculatedsalesperstores>5000;
quit;
2.8查询结果展示
2.8.1orderby数据排序
默认的排序方式是升序,我们可以用DESC关键词来进行降序排列。
例如以sales降序排列
数据:
procsql;
select*
fromsashelp.shoes
orderbySalesDESC;
quit;
这里提示一下,我们可以用任意多列进行排序,包括表达式结果(不用calculated),但最
好是选择的列。
2.8.2LABEL与FORMAT
LABEL:
改变输出变量名的内容
FORMAT:
改变列的值的输出方式
例如,改变salesperstores的label禾口formatprocsql;
selectRegion,Product,Sales,Stores,Sales/Storesassalesperstoreslabel='salesperstores'format=dollar12.2fromsashelp.shoes;
quit;
2.9处理SQL常用函数
MEAN或AVG:
均值
COUNT或N或FREQ:
非缺失值个数
MAX:
最大值
MIN:
最小值
NMISS:
缺失值个数
STD:
标准差
SUM:
求和
VAR:
方差
2.9.1求和sumprocsql;
selectRegion,Product,Sales,Stores,sum(Sales,Inventory,Returns)astotalfromsashelp.shoes;
quit;
2.9.2求均值avg
procsql;
selectRegion,Product,Sales,Stores,avg(Sales)assalesavgfromsashelp.shoes;
quit;
2.9.3分组求均值groupbyprocsql;
selectRegion,
avg(Sales)assalesavg
fromsashelp.shoes
groupbyRegion;
quit;
2.9.4计数count
procsql;
selectRegion,count(*)ascount
fromsashelp.shoes
groupbyRegion;
quit;
2.9.5HAVING数据子集
procsql;
selectRegion,count(*)ascount
fromsashelp.shoes
groupbyRegion
havingcount(*)>50;
quit;
其它的就不多作介绍了,多用用就熟悉了
2.10子查询
2.10.1找出regions平均sales大于全部平均sales的regionprocsql;
selectRegion,
avg(Sales)assalesavg
fromsashelp.shoes
groupbyRegion
havingavg(Sales)>
(selectavg(Sales)fromsashelp.shoes);
quit;
2.10.2ANY关键词介绍
>ANY(20,30,40)最终效果:
>20
<40
=ANY(20,30,40)最终效果:
=20or=30or=40
例如,选择出region为unitedstate的sales小于任意region为africa的sales的数据procsql;
selectRegion,Sales
fromsashelp.shoes
whereRegion='UnitedStates'
andSales(selectSalesfromsashelp.shoeswhereRegion='Africa');
quit;
这个例子没有多少意义,只是说明一下any的用法
2.10.3ALL关键词介绍
>ALL(20,30,40)最终效果:
>40
<20
例如,选择出region为unitedstate的sales小于所有region为africa的sales的数据procsql;
selectRegion,Sales
fromsashelp.shoes
whereRegion='UnitedStates'
andSales(selectSalesfromsashelp.shoeswhereRegion='Africa');
quit;
2.10.4EXISTS与NOTEXISTS
procsql;
select*
fromsashelp.shoes
whereexists
(select*fromsashelp.orsales);
quit;
SAS中的SQL语句完全教程之二:
数据合并与建表、建视图
SAS中的SQL语句完全教程之二:
数据合并与建表、建视图索引等本系列全部内容主要以《SQLProcessingwiththeSASSystem(CourseNotes)》为主进行讲解,本书是在网上下载下来的,但忘了是在哪个网上下的,故不能提供下载链接了,需要的话可以发邮件向我索取,我定期邮给大家,最后声明一下所有资料仅用于学习,不得用于商业目的,否则后果自负。
1连接joins分为内连接innerjoins和外连接outerjoins内连接:
仅返回匹配的数据,最多可以有32个表同时进行内连接外连接:
返回所有匹配的数据和非匹配的数据,一次只能有两个表或视图进行外连接迪卡尔积:
返回表内所有可能的匹配情况。
例如表A有10*20的数据,表B有30*40的数据,则两个表的迪卡尔积有(10+30)*(20+40)=40*60的数据
我们先建立两个数据集:
datamarch;
inputflight$3.+5datedate7.+3departtime5.+2orig$3.
+3dest$3.+7miles+6boarded+6capacity;
formatdatedate7.departtime5.;
informatdatedate7.departtime5.;
cards;
219
01MAR94
9:
31
LGA
LON
3442
198
250
622
01MAR94
12:
19
LGA
FRA
3857
207
250
132
01MAR94
15:
35
LGA
YYZ
366
115
178
271
01MAR94
13:
17
LGA
PAR
3635
138
250
302
01MAR94
20:
22
LGA
WAS
229
105
180
114
02MAR94
7:
10
LGA
LAX
2475
119
210
202
02MAR94
10:
43
LGA
ORD
740
120
210
219
02MAR94
9:
31
LGA
LON
3442
147
250
132
02MAR94
15:
35
LGA
YYZ
366
106
178
202
03MAR94
10:
43
LGA
ORD
740
118
210
219
03MAR94
9:
31
LGA
LON
3442
197
250
622
03MAR94
12:
19
LGA
FRA
3857
180
250
271
03MAR94
13:
17
LGA
PAR
3635
147
250
202
04MAR94
10:
43
LGA
ORD
740
148
210
219
04MAR94
9:
31
LGA
LON
3442
232
250
622
04MAR94
12:
19
LGA
FRA
3857
137
250
132
04MAR94
15:
35
LGA
YYZ
366
117
178
271
04MAR94
13:
17
LGA
PAR
3635
146
250
302
04MAR94
20:
22
LGA
WAS
229
115
180
114
05MAR94
7:
10
LGA
LAX
2475
117
210
202
05MAR94
10:
43
LGA
ORD
740
104
210
219
05MAR94
9:
31
LGA
LON
3442
160
250
622
05MAR94
12:
19
LGA
FRA
3857
185
250
132
05MAR94
15:
35
LGA
YYZ
366
157
178
271
05MAR94
13:
17
LGA
PAR
3635
177
250
114
06MAR94
7:
10
LGA
LAX
2475
128
210
202
06MAR94
10:
43
LGA
ORD
740
115
210
219
06MAR94
9:
31
LGA
LON
3442
163
250
132
06MAR94
15:
35
LGA
YYZ
366
150
178
302
06MAR94
20:
22
LGA
WAS
229
66
180
114
07MAR94
7:
10
LGA
LAX
2475
160
210
132
07MAR94
15:
35
LGA
YYZ
366
164
178
271
07MAR94
13:
17
LGA
PAR
3635
155
250
302
07MAR94
20:
22
LGA
WAS
229
135
180
run;
datadelay;
inputflight$3.+5datedate7.+2orig$3.+3dest$3.+3delaycat$15.+2destype$15.+8delay;
informatdatedate7.;
formatdatedate7.;
cards;
114
01MAR94
LGA
LAX
1-10Minutes
Domestic
8
202
01MAR94
LGA
ORD
NoDelay
Domestic
-5
622
01MAR94
LGA
FRA
NoDelay
International
-5
132
01MAR94
LGA
YYZ
11+Minutes
International
14
302
01MAR94
LGA
WAS
NoDelay
Domestic
-2
114
02MAR94
LGA
LAX
NoDelay
Domestic
0
202
02MAR94
LGA
ORD
1-10Minutes
Domestic
5
219
02MAR94
LGA
LON
11+Minutes
International
18
622
02MAR94
LGA
FRA
NoDelay
International
0
132
02MAR94
LGA
YYZ
1-10Minutes
International
5
271
02MAR94
LGA
PAR
1-10Minutes
International
4
302
02MAR94
LGA
WAS
NoDelay
Domestic
0
114
03MAR94
LGA
LAX
NoDelay
Domestic
-1
202
03MAR94
LGA
ORD
NoDelay
Domestic
-1
219
03MAR94
LGA
LON
1-10Minutes
International
4
622
03MAR94
LGA
FRA
NoDelay
International
-2
132
03MAR94
LGA
YYZ
1-10Minutes
International
6
271
03MAR94
LGA
PAR
1-10Minutes
Interna