SAS学习系列11 对数据做简单的描述统计.docx
《SAS学习系列11 对数据做简单的描述统计.docx》由会员分享，可在线阅读，更多相关《SAS学习系列11 对数据做简单的描述统计.docx（14页珍藏版）》请在冰豆网上搜索。
SAS学习系列11对数据做简单的描述统计
11.对数据做简单的描述统计
（一）使用procmeans描述数据
用procmeans过程步，可以对数据做简单的描述统计，包括：
非缺省值个数、均值、标准差、最大值、最小值等。
基本语法：
PROCMEANSdata=数据集<可选项>;
VAR变量列表;
CLASS分组变量;
（加权平均的权数）
（相应观测出现的频数）
说明：
（1）可选项“MAXDEC=n”用来指定输出结果的小数位数；
（2）默认是对数据集的所有数值变量的非缺省值做描述统计，若想包含缺省值，加上可选项“MISSING”；
（3）VAR语句指定要做描述统计的变量；CLASS语句指定按分组变量对数据进行分组分别做描述统计；BY语句同CLASS语句（需要事先按BY变量排好序）；
（4）默认输出非缺省值个数、均值、标准差、最大值、最小值；也可以自己指定需要输出的描述统计量：
MAX——最大值；
MIN——最小值；
MEAN——均值；
MEDIAN——中位数；
MODE——众数；
N——非缺省值个数；
NMISS——缺省值个数；
RANGE——极差；
STDDEV——标准差；
SUM——累和；
例1鲜花销售的数据（C:
\MyRawData\Flowers.dat），变量包括顾客ID，销售日期，petunias，snapdragons，marigolds三种花的销量：
读取数据，计算新变量销售月份month，并使用procsort按照月份排序，并使用procmeans的by语句来按照月份描述数据。
代码：
datasales;
infile'c:
\MyRawData\Flowers.dat';
inputCustID$@9SaleDateMMDDYY10.PetuniaSnapDragonMarigold;
Month=MONTH（SaleDate）;
procsortdata=sales;
byMonth;
/*CalculatemeansbyMonthforflowersales;*/
procmeansdata=salesMAXDEC=0;
byMonth;
varPetuniaSnapDragonMarigold;
title'SummaryofFlowerSalesbyMonth';
run;
运行结果：
（二）使用统计量
有时候需要将统计量存入新数据集，以便进一步做数据分析，或者与原数据集合并。
一、将统计量存入新数据集
可以用ODS（OutputDeliverySystem）系统或者OUTPUT语句，下面介绍用OUTPUT语句。
语法：
OUTPUTOUT=数据集名统计量名（变量列表）=新列名;
示例：
PROCMEANSDATA=zooNOPRINT;
VARLionsTigersBears;
OUTPUTOUT=zoosumMEAN（LionsBears）=LionWeightBearWeight;
RUN;
例2仍然是例1的鲜花数据，读取数据，按照CustomerID排序，使用procmeans过程，将mean和sum值存入新数据集totals中。
代码：
datasales;
infile'c:
\MyRawData\Flowers.dat';
inputCustID$@9SaleDateMMDDYY10.PetuniaSnapDragonMarigold;
procsortdata=sales;
byCustID;
/*CalculatemeansbyCustomerID,outputsumandmeantonewdataset;*/
procmeansNOPRINTdata=sales;
byCustID;
varPetuniaSnapDragonMarigold;
outputout=totals
mean（PetuniaSnapDragonMarigold）=MeanPMeanSDMeanM
sum（PetuniaSnapDragonMarigold）=PetuniaSnapDragonMarigold;
procprintdata=totals;
title'SumofFlowerDataoverCustomerID';
formatMeanPMeanSDMeanM3.;
run;
运行结果：
程序说明：
（1）“NOPRINT”告诉SAS不产生任何输出结果，因为已经存入新数据集zoosum;
（2）保存统计量的新数据集，包括想要的统计量、BY/CLASS语句的变量、_TYPE_、_FREQ_;
（3）BY语句变量有3个水平：
756-01、834-01、901-02，结果是3个观测，CLASS类似。
二、合并统计量到原数据集
1.前面讲到将按“BY变量”分组统计量保存为统计量数据集，进一步可以用MERGE语句，将统计量数据集按照公共的“BY变量”，通过一对多匹配合并到原数据集。
例3运动鞋经销商的销售数据（C:
\MyRawData\Shoesales.dat），变量包括风格名称、运动类型、第四季度销量：
市场经理想要一个报表，每种风格运动鞋占该运动类型销量中的百分比。
代码：
datashoes;
infile'c:
\MyRawData\Shoesales.dat';
inputStyle$1-15ExerciseType$Sales;
run;
procsortdata=shoes;
byExerciseType;
run;
/*SummarizesalesbyExerciseTypeandprint;*/
procmeansNOPRINTdata=shoes;
varSales;
byExerciseType;
outputout=summarydatasum（Sales）=Total;
run;
procprintdata=summarydata;
title'SummaryDataSet';
run;
/*Mergetotalswiththeoriginaldataset;*/
datashoesummary;
mergeshoessummarydata;
byExerciseType;
Percent=Sales/Total*100;
run;
procprintdata=shoesummary;
byExerciseType;
idExerciseType;
varStyleSalesTotalPercent;
title'SalesSharebyTypeofExercise';
run;
运行结果：
2.若统计量是全体观测的汇总统计量（无BY变量做分组统计），此时，就不能直接采用一对多匹配（没有共同“BY变量”）合并。
但可以用SET语句实现。
语法：
DATA新数据集;
IF_N_=1THENSET汇总统计量数据集;
SET原数据集;
注：
“汇总统计量数据集”只有一条观测值。
创建新数据集时，第一次迭代循环（_N_=1）就读入该观测值，并一直为后续读入“原数据集”保留它（相当于RETAIN语句）。
该语法机制也可用于：
没有匹配变量情况下，将一条观测与多条观测合并。
例4仍是例3的数据，市场经理想要一个报表，每种风格运动鞋占总销量的百分比。
代码：
datashoes;
infile'c:
\MyRawData\Shoesales.dat';
inputStyle$1-15ExerciseType$Sales;
run;
*Outputgrandtotalofsalestoadatasetandprint;
procmeansNOPRINTdata=shoes;
varSales;
outputout=summarydatasum（Sales）=GrandTotal;
RUN;
procprintdata=summarydata;
title'SummaryDataSet';
run;
*Combinethegrandtotalwiththeoriginaldata;
datashoesummary;
if_N_=1thensetsummarydata;
setshoes;
Percent=Sales/GrandTotal;
run;
procprintdata=shoesummary;
varStyleExerciseTypeSalesGrandTotalPercent;
formatPercentPERCENT.2;
title'OverallSalesShare';
run;
运行结果：
（三）使用procfreq为数据计数
用procfreq过程步可以对数据集的变量计算频数，再用tables命令以表格的形式输出：
只输出一个变量（单向表）；输出两个变量（双向表）；输出多个变量（交叉表）。
频数表也可以用来检查错误数据。
语法：
PROCFREQdata=数据集;
TABLES变量组合;
注：
（1）关于变量组合：
一个变量的单向表，用“TABLES变量;”；两个变量的双向表，用“TABLES变量1*变量2;”；
（2）常用的可选项有：
LIST——用list形式打印交叉表（而不是网格）；
MISSING——频数统计量中包含缺失值；
NOCOL——强制在交叉表中不打印列百分比；
NOROW——强制在交叉表中不打印行百分比；
OUT=data-set——输出数据集；
例5咖啡店的销售数据（C:
\MyRawData\Coffee.dat），记录了销售的咖啡种类（cappuccino,espresso,kona,icedcoffee），以及每次购买的顾客是打包还是原地就饮：
读入数据，计算两个变量的频数。
代码：
dataorders;
infile'c:
\MyRawData\Coffee.dat';
inputCoffee$Window$@@;
*PrinttablesforWindowandWindowbyCoffee;
procfreqdata=orders;
tablesWindowWindow*Coffee;
*输出两个表：
Window的单向表、Window和Coffee双向表;
run;
运行结果：
程序说明：
（1）默认缺省值不计入频数，使用可选项MISSING可以包含缺省值；
（2）观察表2，可以发现Kon是错误数据，应该是kon.
（四）使用proctabulate生成表格报表
用proctabulate过程步可以生成表格报表，相当于给普通输出报表做个“礼盒包装”，让报表更美观好看。
该过程还可以计算、加入、输出统计量。
基本语法：
PROCTABULATEdata=数据集<指定格式>;
VAR指定作统计分析的变量;
CLASS分组变量;（按变量的值对数据做分组，分别处理）
TABLE分页变量,分行变量,分列变量;
说明：
（1）TABLE语句定义表格形式：
页维度、行维度、列维度；指定一个变量默认是列形式，指定两个变量默认是行列形式；
（2）tabulate可以加上如下的关键词（用在TABLE变量中计算各统计量）：
ALL——增加一行、一列或一页，显示总数目；
MAX——最大值；
MIN——最小值；
MEAN——平均值；
MEDIAN——中位数；
N——非缺省值个数；
NMISS——缺省值个数；
P90——90%分位数；
PCTN——某类的观测值百分数；
PCTSUM——某类值总和的百分数；
STDDEV——标准差；
SUM——求和；
（3）TABLE语句中，可以对变量做连接、交叉，或者它们的组合：
“连接”示例：
TABLELocomotionTypeALL;
“交叉”示例：
TABLEMEAN*Price;
“组合”示例：
TABLEPCTN*（LocomotionType）;
（4）可以在proc步用可选项<指定格式>（全局），指定所有数据的输出格式，例如，
PROCTABULATEDATA=boatsFORMAT=COMMA10.0;
（5）TABLE语句的可选项：
/BOX=’str’，可以给表格报表的左上角方框输出“说明性短句”；/MISSTEXT=’str’，可以给表格中的缺省数据指定一个“值”；例如，
TABLERegion,MEAN*Sales/BOX='MeanSalesbyRegion'MISSTEXT='NoSales';
例6关于船的数据（C:
\MyRawData\Boats.dat），变量包括名称、港口、动力方式、类型、价格、船长（英尺）：
读入数据生成二维（列×行）表格报表：
变量Locomotion和均值Mean分别作为报表的行和列，并增加一行、一列“计算总数目”（ALL关键词），并使用BOX和MISSTEXT选项增加表格的可读性。
代码：
databoats;
infile'c:
\MyRawData\Boats.dat';
inputName$1-12Port$14-20Locomotion$22-26Type$28-30Price32-37Length39-41;
run;
*PROCTABULATEreportwithoptions;
proctabulatedata=boatsFORMAT=DOLLAR9.2;
classLocomotionType;
varPrice;
tableLocomotionALL,MEAN*Price*（TypeALL）/BOX='FullDayExcursions'MISSTEXT='none';
title;
run;
运行结果：
程序说明：
（1）ALL关键词，英文版SAS软件中，显示是“All”而不是“全部”（可能是软件汉化的bug）；若要修改为过来，可以将代码中的table行，替换为：
tableLocomotionALL='All',MEAN*Price*（TypeALL='All'）/BOX='FullDayExcursions'MISSTEXT='none';
（2）若想去掉“Locomotion”、合并“Mean”“Price”“Type”单元格使得表格更紧凑，可以用“将Table变量赋值为空字符的形式”实现：
databoats;
infile'c:
\MyRawData\Boats.dat';
inputName$1-12Port$14-20Locomotion$22-26Type$28-30Price32-37Length39-41;
run;
*Changingheaders;
procFORMAT;
value$typ'cat'='catamaran'
'sch'='schooner'
'yac'='yacht';
proctabulatedata=boatsFORMAT=DOLLAR9.2;
classLocomotionType;
varPrice;
formatType$typ.;
tableLocomotion=''ALL='All',MEAN=''*Price='MeanPricebyTypeofBoat'*（Type=''ALL='All'）/BOX='FullDayExcursions'MISSTEXT='none';
title;
run;
运行结果：
注：
table语句，是用赋值为空字符的形式去掉Locomotion、MEAN、Type单元格，并将Price单元格换成“MeanPricebyTypeofBoat”；有时候当行顶部被赋为空字符时，会留下一个空白空格，可以用/ROW=FLOAT选项强制去除它，示例：
TABLEMEAN=''*Sales='MeanSalesbyRegion',Region=''/ROW=FLOAT;
（3）也可以不在proc步中指定全局格式，而是为不同的数值变量指定不同的输出格式，示例：
TABLELocomotionALL,MEAN*（Price*FORMAT=DOLLAR7.2Length*FORMAT=2.0）*（TypeALL）;
升级会员 