SAS中的SQL语句大全.docx
《SAS中的SQL语句大全.docx》由会员分享,可在线阅读,更多相关《SAS中的SQL语句大全.docx(43页珍藏版)》请在冰豆网上搜索。
SAS中的SQL语句大全
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
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。
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
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
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
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
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
4
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
9
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。
但是如果加入一个表里没有字段,这里就会出现错误,例:
12procsqlnoexec;
13selectRegion,Product,Sales,test
14
15whereRegion='Africa';
ERROR:
以下这些列在起作用的表中没有找到:
test.
16quit;
查询列
我们可以像那样查询指定列,也可以用*来查询所有列。
例:
procsql;
select*
;
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*
19;
NOTE:
Statementtransformsto:
,,,,,
;
20quit;
这时,我们可以看到从表中选择了8个列
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
quit;
子集查询
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
NE^=不等于
例如,我们要查询sales大于100000的所有数据:
procsql;
select*
wheresales>100000;
quit;
:
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Region在Africa和EasternEurope的所有数据:
procsql;
select*
whereRegionin('Africa','EasternEurope');
quit;
逻辑运算符
OR|或
AND&是
NOT^非
例如,选择Region在Africa和EasternEurope,且销售额大于100000的所有数据:
procsql;
select*
whereRegionin('Africa','EasternEurope')andsales>100000;
quit;
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*
whereRegion'Afr';
quit;
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*
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。
:
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*
wheresalesbetween100000and200000;
quit;
:
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*
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
:
类似匹配
这里由于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’,出来的结果可能是:
smith,smythe等
表达式
我们可以通过已有的列进行计算来得到新的列,这时用关键词as来给新的列赋列名,例如:
procsql;
selectRegion,Product,Sales,Stores,Sales/Storesassalesperstores
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
whereSales/Stores>5000;
quit;
方法二:
procsql;
selectRegion,Product,Sales,Stores,Sales/Storesassalesperstores
wherecalculatedsalesperstores>5000;
quit;
查询结果展示
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*
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。
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和format
procsql;
selectRegion,Product,Sales,Stores,
Sales/Storesassalesperstores
label='salesperstores'
format=
;
quit;
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
求和sum
procsql;
selectRegion,Product,Sales,Stores,
sum(Sales,Inventory,Returns)astotal
;
quit;
求均值avg
procsql;
selectRegion,Product,Sales,Stores,
avg(Sales)assalesavg
;
quit;
分组求均值groupby
procsql;
selectRegion,
avg(Sales)assalesavg
groupbyRegion;
quit;
计数count
procsql;
selectRegion,count(*)ascount
groupbyRegion;
quit;
数据子集
procsql;
selectRegion,count(*)ascount
groupbyRegion
havingcount(*)>50;
quit;
其它的就不多作介绍了,多用用就熟悉了
子查询
找出regions平均sales大于全部平均sales的region
procsql;
selectRegion,
avg(Sales)assalesavg
groupbyRegion
havingavg(Sales)>
(selectavg(Sales);
quit;
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
whereRegion='UnitedStates'
andSales='Africa');
quit;
这个例子没有多少意义,只是说明一下any的用法
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
whereRegion='UnitedStates'
andSales='Africa');
quit;
与NOTEXISTS
procsql;
select*
whereexists
(select*;
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;
.;
.;
cards;
21901MAR949:
31LGALON3442198250
62201MAR9412:
19LGAFRA3857207250
13201MAR9415:
35LGAYYZ366115178
27101MAR9413:
17LGAPAR3635138250
30201MAR9420:
22LGAWAS229105180
11402MAR947:
10LGALAX2475119210
20202MAR9410:
43LGAORD740120210
21902MAR949:
31LGALON3442147250
13202MAR9415:
35LGAYYZ366106178
20203MAR9410:
43LGAORD740118210
21903MAR949:
31LGALON3442197250
62203MAR9412:
19LGAFRA3857180250
27103MAR9413:
17LGAPAR3635147250
20204MAR9410:
43LGAORD740148210
21904MAR949:
31LGALON3442232250
62204MAR9412:
19LGAFRA3857137250
13204MAR9415:
35LGAYYZ366117178
27104MAR9413:
17LGAPAR3635146250
30204MAR9420:
22LGAWAS229115180
11405MAR947:
10LGALAX2475117210
20205MAR9410:
43LGAORD740104210
21905MAR949:
31LGALON3442160250
62205MAR9412:
19LGAFRA3857185250
13205MAR9415:
35LGAYYZ366157178
27105MAR9413:
17LGAPAR3635177250
11406MAR947:
10LGALAX2475128210
20206MAR9410:
43LGAORD740115210
21906MAR949:
31LGALON3442163250
13206MAR9415:
35LGAYYZ366150178
30206MAR9420:
22LGAWAS22966180
11407MAR947:
10LGALAX2475160210
13207MAR9415:
35LGAYYZ366164178
27107MAR9413:
17LGAPAR3635155250
30207MAR9420:
22LGAWAS229135180
;
run;
datadelay;
inputflight$3.+5datedate7.+2orig$3.+3dest$3.+3
delaycat$15.+2destype$15.+8delay;
informatdatedate7.;
formatdatedate7.;
cards;
11401MAR94LGALAX1-10MinutesDomestic8
20201MAR94LGAORDNoDelayDomestic-5
62201MAR94LGAFRANoDelayInternational-5
13201MAR94LGAYYZ11+MinutesInternational14
30201MAR94LGAWASNoDelayDomestic-2
11402MAR94LGALAXNoDelayDomestic0
20202MAR94LGAORD1-10MinutesDomestic5
21902MAR94LGALON11+MinutesInternational18
62202MAR94LGAFRANoDelayInternational0
13202MAR94LGAYYZ1-10MinutesInternational5
27102MAR94LGAPAR1-10MinutesInternational4
30202MAR94LGAWASNoDelayDomestic0
11403MAR94LGALAXNoDelayDomestic-1
20203MAR94LGAORDNoDelayDomestic-1
21903MAR94LGALON1-10MinutesInternational4
62203MAR94LGAFRANoDelayInternational-2
13203MAR94LGAYYZ1-10MinutesInternational6
27103MAR94LGAPAR1-10MinutesInternational2
30203MAR94LGAWAS1-10MinutesDomestic5
11405MAR94LGALAXNoDelayDomestic-2
20206MAR94LGAORDNoDelayDomestic-3
21906MAR94LGALON11+MinutesInternational27
13206MAR94LGAYYZ1-10MinutesInternational7
30206MAR94LGAWAS1-10MinutesDomestic1
62207MAR94LGAFRA11+MinutesInternational21
13207MAR94LGAYYZNoDelayInternational-2
27107MAR94LGAPAR1-10MinutesInternational4
30207MAR94LGAWASNoDelayDomestic0
;
run;
内连接
procsql;
createtableinnerjoinsas
selecta.*,b.*
fromMarcha,Delayb
=外连接
左连接leftjoin
procsql;
createtableleftjoinsas
select*
fromMarcha
leftjoinDelayb
=右连接rightjoin
procsql;
createtablerightjoinsas
select*
fromMarcha
rightjoinDelayb
=全连接fulljoin
procsql;
createtablefulljoinsas
select*
fromMarcha
fulljoinDelayb
=迪卡尔积
procsql;
createtablecartesianas
selecta.*,b.*
fromMarcha,Delayb;
quit;
这里再大概说明一下内外连接的实现的基本原理:
首先生成两个数据表的迪卡尔积,然后再根据where语句来选择符合条件的数据作为输出结果。
当然,在实际处理过程中,SQL过程步会对这个迪卡尔积的数据集进行优化,将其划分成小块数据进行处理。
2复杂的连接
这里因为找不到很好的例子来说明如何处理复杂的连接,因此就不讲解了,大概说一下思路吧:
简单地说,对于复杂的查询,我们应该将该查询分解成几个小的子查询,然后对每个子查询的结果进行测试,最后将所有的子查询结合起来就组成了这个复杂的查询。
这样会比一来就写复杂的查询容易得多。
3数据集SET操作
这里有四类SET操作,分别是EXCEPT、INTERSECT、UNION、OUTERUNION。
EXCEPT:
得到除第二个数据集以外的所有第一个数据集里的数据
INTERSECT:
得到第一个数据集和第二个数据集都有的数据
UNION:
得到两个数据集所有的数据,这里如果两个数据集有相同的数据,重复数据只出现一次
OUTERUNION:
得到两个数据集所有的数据。
还有两个关键词来修改SET操作的行为:
ALL和CORRESPONDING
ALL:
并不删除重复值,不能与OUTERUNION合用(注意,用ALL关键词,一种情况是你不管是否会有重复值,另一个情况是不可能出现重复值,例如有主键的数据)
CORRESPONDING:
只保留两个数据集都有的字段,一般简写为CORR
找出所有没有延迟的航班和日期:
procsql;
selectflight,date
fromMarch
except
selectflight,date
fromDelay;
quit;
注意:
这里重复值已经被删除。
如果要得到所有的包含重复值的数据,就要用到关键词ALL:
procsql;
selectflight,date
fromMarch
exceptALL
selectflight,date
fromDelay;
quit;
如果只保留两个数据集都有的字段,则用到关键词CORRESPONDING(可简写为CORR):
procsql;
select*
fromMarch
exceptCORR
select*
fromDelay;
quit;
找出所有延迟的航班和日期:
procsql;
selectflight,date
fromMarch
INTERSECT
selectflight,date
fromDelay;
quit;
关键词ALL和CORRESPONDING与在EXCEPT中一样,这里不再作介绍
选择所有的数据,这里的重复值只出现一次
procsql;
selectflight,date
fromMarch
UNION
selectflight,date
fromDelay;
quit;
关键词ALL和CORRESPONDING与在EXCEPT中一样,这里不再作介绍
procsql;
selectflight,date
fromMarch
OUTERUNION
selectflight,date
fromDelay;
quit;
这里,如果我们用到关键词CORR,就可以将相同字段的数据结合到一起:
procsql;
select*
fromMarch
OUTERUNIONCORR
select*
fromDelay;
quit;
4建表
建空表
通过指定变量建空表
procsqlnoprint;
createtablepercent
(varnamechar(30),
Industrychar(4),
begindatenumformatdate9.label='thebeginningdate',
='thee