SAS学习系列09 用SET语句创建修改数据集.docx
《SAS学习系列09 用SET语句创建修改数据集.docx》由会员分享,可在线阅读,更多相关《SAS学习系列09 用SET语句创建修改数据集.docx(8页珍藏版)》请在冰豆网上搜索。
SAS学习系列09用SET语句创建修改数据集
09.用SET语句创建,修改数据集
(一)用SET语句创建/修改数据集
用SET语句,可以从已有数据集创建新数据集、增加新变量、修改数据集。
注意:
SET语句是一次一个观测值地,对已有数据集循环执行数据步创建新数据集。
一、基本语法
data新数据集名<(可选项)>;
set已有数据集名<(可选项)>;
示例(从数据集sales创建子数据集Friday,增加变量Total):
datafriday;
setsales;
ifDay='F';
Total=Popcorn+Peanuts;
run;
例1关于火车运汽车的数据(C:
\MyRawData\Train.dat),包括发车时间、火车上的汽车数、火车中的人数:
数据被读入一个永久数据集trains.sas7bdat中,储存在“D:
\我的文档\MySASFiles\9.3”目录下。
代码:
data'c:
\MySASLib\trains';
infile'c:
\MyRawData\Train.dat';
inputTimeTIME5.CarsPeople;
run;
由于每辆车的最大乘客数为6人,现在想知道一列火车上,平均每辆汽车的乘客数是多少,在一个新数据集中插入一列计算。
代码:
dataaveragetrain;
set'D:
\我的文档\MySASFiles\9.3\trains';
PeoplePerCar=People/Cars;
run;
procprintdata=averagetrain;
title'AverageNumberofPeopleperTrainCar';
formatTimeTIME5.;
run;
运行结果:
二、用“drop(舍弃)和keep(保留)选项”选择变量(列)
在data步中该选项以及SET语句,可以控制从原数集中读出的变量是否被写入要创建的数据集。
基本形式:
data新数据集名(keep=变量1…)(drop=变量1…);
set旧数据集;
注:
keep和drop选项也可用于输出数据集时的可选参数;
另外,rename选项可以对列变量重命名,示例:
dataanimals(RENAME=(Class=TypeHabitat=Home));
setanimals;
例2学生成绩数据(c:
\MyRawData\tests.txt),包含变量Name,Subject,Gender,Exam1,Exam2,Homework:
读入数据,创建新数据集,舍弃变量Subject和Homework,重命名变量Name为StudentName.
代码:
dataTest;
infile'c:
\MyRawData\tests.txt';
inputName$1-9Subject11-12Gender$14Exam116-18Exam220-22Homework$24;
run;
procprintdata=Test;
title'Test';
run;
dataTest1(DROP=SubjectHomeworkRENAME=(Name=StudentName));
/*用(KEEP=NameGenderExam1Exam2)也一样效果*/
setTest;
procprintdata=Test1;
title'Test1';
run;
运行结果:
三、SET语句中使用可选项FIRSTOBS=n和OBS=m选择观测值(行)
表示只选择旧数据集中的第n条到第m条观测值。
示例:
dataanimals
setanimals(FIRSTOBS=101OBS=120);
另外,选择观测值(行),也可用IF-THEN(条件)语句选出满足条件的观测值(行)。
【见前文】
(二)用UPDATE语句更新数据集的数据
经常会遇到需要不断更新的数据集,比如银行账户每笔交易完需要更新有变动的数据。
用UPDATE语句可以实现这一功能,需要主数据集和新数据集有共同变量(来匹配)。
基本形式:
data主数据集;
update主数据集新数据集;
by共同(匹配)变量;
注:
(1)主数据集和新数据集都需要事先按共同变量排好序,且共同变量必须具有唯一性;
(2)新数据集中的缺省值不会改下主数据集的相应数值。
例3医院有一份关于病人的主数据(C:
\MyRawData\Admit.dat)变量包括病人账户号、姓名、地址、出生日期、性别、保险代码、信息最后更新的时间:
当有新病人或其他病人再进医院时,信息会被更新,比如,第一个病人的保险代码被更换了、最后一个病人的缺失数据被填补上、有新病人加入。
更新数据文件(C:
\MyRawData\NewAdmit.dat)如下:
将主数据存入一个名为patientmaster的永久数据集,读取新数据并排序,使用update语句将新数据更新到主数据中。
代码:
libnameperm'D:
\我的文档\MySASFiles\9.3';
dataperm.patientmaster;
infile'c:
\MyRawData\Admit.dat';
inputAccountLastName$8-16Address$17-34
BirthDateMMDDYY10.Sex$InsCode$48-50@52LastUpdateMMDDYY10.;
run;
dataperm.transactions;
infile'c:
\MyRawData\NewAdmit.dat';
inputAccountLastName$8-16Address$17-34BirthDateMMDDYY10.
Sex$InsCode$48-50@52LastUpdateMMDDYY10.;
run;
procsortdata=transactions;
byAccount;
run;
*Updatepatientdatawithtransactions;
dataperm.patientmaster;
updateperm.patientmastertransactions;
byAccount;
run;
procprintdata=perm.patientmaster;
formatBirthDateLastUpdateMMDDYY10.;
title'AdmissionsData';
run;
运行结果:
另外,也可以用MODIFY语句修改数据集,比用SET语句修改更有效率,因为MODIY修改数据集,只是在原数据集上做修改,而不会创建新数据集。
(三)用TRANSPOSE过程步对数据集转置
有时候需要将数据集(表)的观测值(行)和变量(列)交换,即把观测值变为变量,把变量变为观测值,用TRANSPOSE过程实现。
基本形式:
proctransposedata=原数据集out=转置数据集<可选项>;
by原数据集中不参与转置的列变量;
id给转置后的列赋予变量名;
var原数据中需要转置的列变量;
说明:
(1)by语句指定原数据集中不参与转置的变量(转置之前需要先按该变量排好序),一般“用来分组的变量”不参与转置,例如上图中的X列;
(2)id语句给转置后的列赋予变量名,默认是:
COL1COL2……,可以使用原数据集的某列(若该列是数值,则加下划线作为前缀,以符号变量的命名规范);
(3)可选项“NAME=变量名”,为原数据集各列变量名(在转置数据集作为第一列)起个变量名,默认是用_NAME_;
(4)可选项“PREFIX=前缀”,用“前缀”替换
(2)中默认列变量名的“COL”。
例4关于儿童棒球联盟选手的数据(C:
\MyRawData\Transpos.dat),包括包括队名、选手编号、类型(击球数/击球率)、以及击球数/击球率:
观察数据,第3列的salary(击球数)、batavg(击球率)应该是列变量名,其取值是第4列。
读取数据,对第3列进行转置。
代码:
databaseball;
infile'c:
\MyRawData\Transpos.dat';
inputTeam$PlayerType$Entry;
procsortdata=baseball;
byTeamPlayer;
procprintdata=baseball;
title'BaseballDataAfterSortingandBeforeTransposing';
run;
*Transposedatasosalaryandbatavgarevariables;
proctransposedata=baseballOUT=flipped;
byTeamPlayer;
idType;
varEntry;
procprintdata=flipped;
title'BaseballDataAfterTransposing';
run;
运行结果:
(相当于将红圈的四个值转置,同时两行并一行)
程序说明:
(1)“byTeamPlayer”指定原Team列和Player列,不参与转置,仍作为转置数据集的列;
(2)“idType”指定Type列的值:
salary和batavg作为转置数据的变量名;
(3)“varEntry”指定对Entry列进行转置,同时列名“Entry”将作为“值”成为转置数据集的一列,默认列名是“_NAME_”,可用【可选项“NAME=…”】修改它。