#SAS学习-数据加工处理-下

数据加工的函数真的好多，今天就写最后一篇了，以后大家还是根据自己需求去找呗~

1）proc format创建自己的格式

有时候用数字代表实际的变量值，比如1代表男性，2代表女性，这种代码在打印的时候不好解读，可以用proc format使得打印出想要的值。

基本形式为：

① Value语句中的name是格式的名字，如果格式是位字符串设计，则必须以$开头，长度不能超过32个字节（包括$），不能以数字结尾，除了下划线不能包含其他任何特殊符号；

② 名字不能与已有的格式名冲突；

③ Range是分配给等号右边文本的变量值，文本可以达到32767个字节，有的过程只会打印前面8或16个字节；

④ 变量值是字符串时要加上引号；

⑤ range不止一个值要用逗号隔开，连续的range要用-；

⑥ 关键字low和high可以用来指代变量中最小和最大的非缺失值；

⑦ 可以用<来排除或指代某些范围，但"<"来表示不包括范围的结尾值；

⑧ other可以给任何没有列在value语句中的变量分配格式。

2）利用file语句和put语句定制报告

用file语句和put语句 ，基本形式为：

FILE‘file-specification’PRINT;

如input，put语句也有list，column，formatted方式，但因为SAS已经知道变量类型，因此不用符号$。且如果使用list，SAS会自动在两个变量之间加上空格；使用column或者formatted，SAS将会把变量放在任何你指定的地方。使用指示器@n指定移动到第n列，+n指定移动n列，/跳动到下一行，#n跳动到第n行。用@hold住当前行。

这个比较难理解，还是举个例子~

学生卖糖果，数据集为Candy.dat，记录学生名、所属班级、销售日期、卖的糖果类型、卖出的糖果数。

老师想看每位学生的销售情况，故要每页分别打印一位学生的情况，代码如下：

Data _null_是告诉SAS不要写数据集名，以便使得程序更快。File语句创建了一个输出文件，空标题title语句告诉SAS去除所有的自动标题。

第一个put语句以一个指示器开头，@5，告诉SAS移动到第5列，接着打印出“candysales report for”，后面是姓名name。变量name、class和quantity都是以list方式打印，而profit是使用formatted方式打印，并给定格式dollar6.2。一个斜杠是指跳到下一行，两个斜杠是跳到下两行。最后，语句put_page_是在每个学生报告下面插上页码。

前三页报告如下：

3）使用proc means描述数据

基本形式：

PROC MEANS options;

如果不加选项，则默认打印出非缺失值个数、均值、标准差、以及最大最小值，下面是用选项可以查看的统计量：

如果没有其他语句，proc means语句会给你数据集中所有观测值和所有数值变量的统计量，这里是一些可以用到的语句：

① BY variable-list; 分变量单独分析，但数据必须先按照variable-list的变量顺序排序（proc sort）。

② CLASS variable-list; 也是分变量单独分析，看起来会更集中一些，且不需要排序。

③ VAR variable-list; 指定分析中使用哪种数值变量，默认则使用所有的数值变量。

继续举例子~

有一个花朵销售的数据，Flowers.dat，包括顾客ID，销售日期，petunias，snapdragons，marigolds三种花的销售量：

下面的代码读取数据，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：

输出结果为：

4）将描述性统计写入SAS数据集中

有两种方法可以在SAS数据集中储存描述性统计量，Output Delivery System(ODS)，或者output语句。这里主要讲output，其基本形式为：

OUTPUT OUT=data-set output-statistic-list;

Data-set是要储存结果的数据集名，output-statistic-list则界定需要保存哪些统计量和名称，可能的形式为：

statistic(variable-list)=name-list

statistic可能是proc means语句中的任何一种统计量（sum，n，mean…），variable-list则界定VAR语句中哪些变量需要输出，name-list则定义统计量的新名字。

Noprint是告诉SAS不需要产生任何打印结果，因为已经将结果存入数据集中。

5）用proc freq为数据计数

对一个变量计算频数叫做one-way，两个叫做two-way，多个叫做交叉表。使用proc freq最明显的目的是现实分类数据的分布情况，基本形式为：

PROC FREQ;

      TABLES variable-combinations;

产生一维频率表，只要列出变量名。下面的语句列出了变量yearseducation的每一个值的个数。

TABLES YearsEducation;

建立两个变量的交叉表需要一个*号，下面的语句显示变量Sex by YearsEducation的频数情况：

TABLES Sex*YearsEducation;

这个语句之后可以用/option的形式添加选项，主要下面几个：

LIST：用list形式打印交叉表（而不是网格）

MISSING：频率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

例子：

有一家咖啡店的销售数据，记录了销售的咖啡种类（cappuccino,espresso,kona,oriced coffee），以及每次购买的顾客是打包还是原地就饮：

下面的代码就产生了一个one-way和two-way的频率表：

代码告诉SAS打印两个表，一个是one-way的频率表，一个是交叉表。交叉表的每个小方格内，SAS打印了频数、百分比、行百分比和列百分比。左边和右边是累积百分比。注意计算频数时没有考虑缺失值。

6）用proc tabulate产生一个表格报告

比起print means和print freq，Proc tabulate过程产生的报告更耐看。

Proc tabulate的基本形式为：

PROC TABULATE;

CLASS classification-variable-list;

TABLE page-dimension,row-dimension,column-dimension;

Class语句告诉SAS哪些变量将数据分成不同部分。

Table语句可以定义一个表，可以用多个table语句定义多个表，

维度：table语句可以在报告中指定三个维度：页、行、列。如果只指定一个维度，则默认是列维度；如果指定两个，则是行和列。

缺失数据：默认下不考虑缺失数据，在proc语句后面增加missing选项可以改变这种默认：

PROC TABULATE MISSING;

例子：

有关于船的一些数据，Boats.dat，记录了每艘船的姓名、港口、移动方式（sailing或者powervesse），类型（schooner,catamaran,oryacht），使用它远行的价格

你想得到一份报告，包含了每一个港口的、sailing或者power vessel的、每一种类型的、船的数量，下面的代码用proc tabulate创建了一个三维报告：港口作为页、移动方式作为行、类型作为列：

报告分两页，港口的每个值情况为一页：

其实，上面讲了的主要内容集中在报告输出（proc tabulate，proc report，ods）以及一些可视化的东西，有利于我们之后去输出数据报表，但是，考虑到其实我们在日后可能会直接用到SAS输出的报表的机会比较少，所以这一块我也不打算花太多的时间去学习，大概了解就好了，因为数据展示还是用回熟悉的Excel来展示会更加高效，不过看吧，以后如果有用到了，再过来学习~