SAS学习笔记.docx
《SAS学习笔记.docx》由会员分享，可在线阅读，更多相关《SAS学习笔记.docx（26页珍藏版）》请在冰豆网上搜索。
SAS学习笔记
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。
转载请注明出处：
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
NE^=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;
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：
procsql;
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：
procsql;
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';
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’，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：
procsql;
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：
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和format
procsql;
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
procsql;
selectRegion,Product,Sales,Stores,
sum（Sales,Inventory,Returns）astotal
fromsashelp.shoes;
quit;
2.9.2求均值avg
procsql;
selectRegion,Product,Sales,Stores,
avg（Sales）assalesavg
fromsashelp.shoes;
quit;
2.9.3分组求均值groupby
procsql;
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region
procsql;
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。
转载请注明出处：
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;
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
62207MAR94LGAFRA1
升级会员 