SAS学习笔记.docx

1、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SQL Processing with the SAS System (Course Notes)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 SQL过程步介绍1.1 SQL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

2、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。 1.2 SQL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 1.3 SQL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：

3、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 2 SQL基本查询功能 2.1 SELECT语句基本语法介绍SELECT object-item FROM from-list GROUP BY group-by-item ORDER BY order-by-item ; 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GROUP BY：将数据集通过group进行分类HAVING：根据GROUP BY的变量得到数据子集ORDER BY：对数据集进行排序 2.2 SELECT语句的特征

4、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 2.3 Validate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 proc sql;2 validate3 select Region, Product,Sales4 from sashelp.shoes5 where Region = Africa;NOTE: PROC SQL 语句

5、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 proc sql noexec;8 select Region, Product,Sales9 from sashelp.shoes10 where Region = 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 proc sql noexec;13 select Region, Product,Sales,test14 from sa

6、shelp.shoes15 where Region = 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：proc sql; select * from sashelp.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 proc sql feedback;18 select *19 from sashelp.shoes;NOTE: Statement transforms to: select SHOES.Region, SHOES.Pr

7、oduct, SHOES.Subsidiary, SHOES.Stores, SHOES.Sales, SHOES.Inventory, SHOES.Returns from SASHELP.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; select distinct Region from sashelp.shoesquit; 2.6 where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 大于E

8、Q = 等于LE = 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 * from sashelp.shoes where sales100000;quit; 2.6.2 in：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Eastern Europe的所有数据：proc sql; select * from sashelp.shoes where Region in (Africa,Eastern Europe);quit; 2.6.3 逻辑运算符OR | 或AND & 是NOT 非例如

9、，选择Region在Africa和Eastern Europe，且销售额大于100000的所有数据：proc sql; select * from sashelp.shoes where Region in (Africa,Eastern Europe) and sales100000;quit; 2.6.4 CONTAINS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 * from sashelp.shoes where Region ? Afr;quit; 2.6.5 IS NULL或IS MISSING：判断某列数据是否为空例

10、如，如果找出Region为空的数据：proc sql; select * from sashelp.shoes where Region is missing;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。 2.6.6 Between and：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 * from sashelp.shoes where sales between 100000

11、and 200000;quit; 2.6.7 like：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 * from sashelp.shoes where Region like 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：Where lastname=* 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

12、新的列赋列名，例如：proc sql; select Region, Product,Sales,Stores,Sales/Stores as salesperstores from sashelp.shoesquit;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; select Re

13、gion, Product,Sales,Stores,Sales/Stores as salesperstores from sashelp.shoes where Sales/Stores5000;quit;方法二：proc sql; select Region, Product,Sales,Stores,Sales/Stores as salesperstores from sashelp.shoes where calculated salesperstores5000;quit; 2.8 查询结果展示2.8.1 order by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

14、行降序排列。例如以sales降序排列数据：proc sql; select * from sashelp.shoes order by Sales DESC;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。 2.8.2 LABEL与FORMATLABEL：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formatproc sql; select Region, Product,Sales,Stores, Sales/Stores as salesperstores la

15、bel=sales per stores format=dollar12.2 from sashelp.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sumproc sql; select Region, Product,Sales,Stores, sum(Sales,Inventory,Returns) as total from sashelp.shoes;quit; 2.9.2 求均值avgproc sql; selec

16、t Region, Product,Sales,Stores, avg(Sales) as salesavg from sashelp.shoes;quit; 2.9.3 分组求均值group byproc sql; select Region, avg(Sales) as salesavg from sashelp.shoes group by Region;quit; 2.9.4 计数countproc sql; select Region,count(*) as count from sashelp.shoes group by Region;quit; 2.9.5 HAVING数据子集

17、proc sql; select Region,count(*) as count from sashelp.shoes group by Region having count(*)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regionproc sql; select Region, avg(Sales) as salesavg from sashelp.shoes group by Region having avg(Sales) (select avg(Sales) from sashelp.

18、shoes);quit; 2.10.2 ANY关键词介绍ANY(20,30,40) 最终效果：20ANY(20,30,40) 最终效果：40=ANY(20,30,40) 最终效果：=20 or =30 or =40例如，选择出region为united state的sales小于任意region为africa的sales的数据proc sql; select Region,Sales from sashelp.shoes where Region=United States and SalesALL (20,30,40) 最终效果：40ALL (20,30,40) 最终效果：20例如，选择出r

19、egion为united state的sales小于所有region为africa的sales的数据proc sql; select Region,Sales from sashelp.shoes where Region=United States and Salesall (select Sales from sashelp.shoes where Region=Africa);quit; 2.10.4 EXISTS与NOT EXISTSproc sql; select * from sashelp.shoes where exists (select * from sashelp.ors

20、ales);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SQL Processing with the SAS System (Course Notes)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inner joins和外连接outer joins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

21、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; input flight $3. +5 date date7. +3 depart time5. +2 orig $3. +3 dest $3. +7 miles +6 boarded +6 capacity; format date date7. depart time5.; informat date date7. depart time5.; cards;

22、219 01MAR94 9:31 LGA LON 3442 198 250622 01MAR94 12:19 LGA FRA 3857 207 250132 01MAR94 15:35 LGA YYZ 366 115 178271 01MAR94 13:17 LGA PAR 3635 138 250302 01MAR94 20:22 LGA WAS 229 105 180114 02MAR94 7:10 LGA LAX 2475 119 210202 02MAR94 10:43 LGA ORD 740 120 210219 02MAR94 9:31 LGA LON 3442 147 25013

23、2 02MAR94 15:35 LGA YYZ 366 106 178202 03MAR94 10:43 LGA ORD 740 118 210219 03MAR94 9:31 LGA LON 3442 197 250622 03MAR94 12:19 LGA FRA 3857 180 250271 03MAR94 13:17 LGA PAR 3635 147 250202 04MAR94 10:43 LGA ORD 740 148 210219 04MAR94 9:31 LGA LON 3442 232 250622 04MAR94 12:19 LGA FRA 3857 137 250132

24、 04MAR94 15:35 LGA YYZ 366 117 178271 04MAR94 13:17 LGA PAR 3635 146 250302 04MAR94 20:22 LGA WAS 229 115 180114 05MAR94 7:10 LGA LAX 2475 117 210202 05MAR94 10:43 LGA ORD 740 104 210219 05MAR94 9:31 LGA LON 3442 160 250622 05MAR94 12:19 LGA FRA 3857 185 250132 05MAR94 15:35 LGA YYZ 366 157 178271 0

25、5MAR94 13:17 LGA PAR 3635 177 250114 06MAR94 7:10 LGA LAX 2475 128 210202 06MAR94 10:43 LGA ORD 740 115 210219 06MAR94 9:31 LGA LON 3442 163 250132 06MAR94 15:35 LGA YYZ 366 150 178302 06MAR94 20:22 LGA WAS 229 66 180114 07MAR94 7:10 LGA LAX 2475 160 210132 07MAR94 15:35 LGA YYZ 366 164 178271 07MAR

26、94 13:17 LGA PAR 3635 155 250302 07MAR94 20:22 LGA WAS 229 135 180;run; data delay; input flight $3. +5 date date7. +2 orig $3. +3 dest $3. +3 delaycat $15. +2 destype $15. +8 delay; informat date date7.; format date date7.; cards;114 01MAR94 LGA LAX 1-10 Minutes Domestic 8202 01MAR94 LGA ORD No Del

27、ay Domestic -5622 01MAR94 LGA FRA No Delay International -5132 01MAR94 LGA YYZ 11+ Minutes International 14302 01MAR94 LGA WAS No Delay Domestic -2114 02MAR94 LGA LAX No Delay Domestic 0202 02MAR94 LGA ORD 1-10 Minutes Domestic 5219 02MAR94 LGA LON 11+ Minutes International 18622 02MAR94 LGA FRA No

28、Delay International 0132 02MAR94 LGA YYZ 1-10 Minutes International 5271 02MAR94 LGA PAR 1-10 Minutes International 4302 02MAR94 LGA WAS No Delay Domestic 0114 03MAR94 LGA LAX No Delay Domestic -1202 03MAR94 LGA ORD No Delay Domestic -1219 03MAR94 LGA LON 1-10 Minutes International 4622 03MAR94 LGA

29、FRA No Delay International -2132 03MAR94 LGA YYZ 1-10 Minutes International 6271 03MAR94 LGA PAR 1-10 Minutes International 2302 03MAR94 LGA WAS 1-10 Minutes Domestic 5114 05MAR94 LGA LAX No Delay Domestic -2202 06MAR94 LGA ORD No Delay Domestic -3219 06MAR94 LGA LON 11+ Minutes International 27132 06MAR94 LGA YYZ 1-10 Minutes International 7302 06MAR94 LGA WAS 1-10 Minutes Domestic 1622 07MAR94 LGA FRA 1