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（41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：
1 procsql;
2 validate
3 selectRegion,Product,Sales
4 fromsashelp.shoes
5 whereRegion='Africa';
NOTE:
PROCSQL语句有有效语法。
6 quit;
此外，我们还可以用noexec选项也可以用来进行语法测试。
例：
7 procsqlnoexec;
8 selectRegion,Product,Sales
9 fromsashelp.shoes
10 whereRegion='Africa';
NOTE:
由于NOEXEC选项，未执行语句。
11 quit;
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：
12 procsqlnoexec;
13 selectRegion,Product,Sales,test
14 fromsashelp.shoes
15 whereRegion='Africa';
ERROR:
以下这些列在起作用的表中没有找到:
test.
16 quit;
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：
17 procsqlfeedback;
18 select*
19 fromsashelp.shoes;
NOTE:
Statementtransformsto:
selectSHOES.Region,SHOES.Product,SHOES.Subsidiary,SHOES.Stores,SHOES.Sales,SHOES.Inventory,SHOES.Returns
fromSASHELP.SHOES;
20 quit;
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：
proc sql;
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
NE ^= 不等于
例如，我们要查询sales大于100000的所有数据：
proc sql;
select*
fromsashelp.shoes
wheresales>100000;
quit;
2.6.2in：
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：
proc sql;
select*
fromsashelp.shoes
whereRegionin（'Africa','EasternEurope'）;
quit;
2.6.3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：
proc sql;
select*
fromsashelp.shoes
whereRegionin（'Africa','EasternEurope'）and sales>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：
proc sql;
select*
fromsashelp.shoes
whereRegion?
'Afr';
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：
proc sql;
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：
proc sql;
select*
fromsashelp.shoes
wheresalesbetween 100000 and 200000;
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
proc sql;
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’，出来的结果可能是：
smith，smythe等
2.7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：
proc sql;
selectRegion,Product,Sales,Stores,Sales/Storesassalesperstores
fromsashelp.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：
proc sql;
selectRegion,Product,Sales,Stores,Sales/Storesassalesperstores
fromsashelp.shoes
whereSales/Stores>5000;
quit;
方法二：
proc sql;
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：
proc sql;
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和format
proc sql;
selectRegion,Product,Sales,Stores,
Sales/Storesassalesperstores
label='salesperstores'
format=dollar12.2
fromsashelp.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sum
proc sql;
selectRegion,Product,Sales,Stores,
sum（Sales,Inventory,Returns）astotal
fromsashelp.shoes;
quit;
2.9.2求均值avg
proc sql;
selectRegion,Product,Sales,Stores,
avg（Sales）assalesavg
fromsashelp.shoes;
quit;
2.9.3分组求均值groupby
proc sql;
selectRegion,
avg（Sales）assalesavg
fromsashelp.shoes
groupbyRegion;
quit;
2.9.4计数count
proc sql;
selectRegion,count（*）ascount
fromsashelp.shoes
groupbyRegion;
quit;
2.9.5HAVING数据子集
proc sql;
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region
proc sql;
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
proc sql;
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
proc sql;
selectRegion,Sales
fromsashelp.shoes
whereRegion='UnitedStates'
andSales （selectSalesfromsashelp.shoeswhereRegion='Africa'）;
quit;
2.10.4EXISTS与NOTEXISTS
proc sql;
select*
fromsashelp.shoes
where exists
（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：
data march;
inputflight$3.+5 datedate7.+3 departtime5.+2 orig$3.
+3 dest$3. +7 miles+6 boarded+6 capacity;
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;
data delay;
i
升级会员 