京公网安备 11010802034615号
经营许可证编号:京B2-20210330
利用SAS程序生成系统颜色名称与代码表
在SAS日常报表制作过程中,经常会面临如何选择适当的颜色名称或对应代码来美化报表和增强报表的可读性。今天,我们介绍如何利用SAS程序来生成SAS系统颜色名称与十六进制颜色代码对应表,供我们在制图、网页制作或RTF输出时快速有效的进行颜色选择,同时通过此一简单示例帮助大家理解如何充分利用SAS现有功能模块来实现某一特定功能编程目的。
首先,需要提取SAS系统自带颜色名称与对应代码注册信息,我们可以通过过程步PROC REGISTRY来实现此一目的。PROC REGISTRY过程步功能和选项很多,这里只示例如何提取已注册颜色名称与代码相关信息,有关其它更多选项与设置可参考联机帮助文件。
上述代码中我们首先通过FILENAME语句定义了一外部文件及对应引用名称CLRNAME,供下面结果输出保存用;其次通过过程步PROC REGISTRY中选项LIST 和 USESASHELP来将选定注册信息内容进行列表输出;EXPORT选项则用来是将上述列表输出内容同时保存到指定的外部文件;选项STARTAT用来限定输出范围,这里我们通过系统变量值COLORNAMES来实现只对系统颜色名称与对应代码进行列表输出。
最终输出文件格式为:
上述输出文件包含了SAS系统颜色名称与代码信息(此处代码为十六进制颜色格式,SAS支持多种其它颜色格式,可参考SAS帮助文件以了解更多信息),现在我们需要将其重新读入SAS,并进行一定的处理与格式化、生成格式文件、及最后报表用数据集等。关键步骤包括如何利用INFILE语句读取上述输出文件及利用PROC FORMAT来生成格式CLRNAME供后面报表输出时引用。另外,为了更好的进行的颜色对比与选择,衍生了几个额外变量WHITE、BLACK、RED、YELLOW与BLUE。相关示例代码如下:
最后通过报表过程步PROC REPORT,利用ODS RTF来生成SAS颜色名称代码对应表:
附:SAS颜色名称代码对应表
背景色:列RGB对应十六进制代码 (例如行1,背景色黑色,系统颜色名称为Black、对应的十六进制颜色代码为CX000000,依此类推)
前景色:依次为WHITE、BLACK、RED、YELLOW、BLUE
推荐学习书籍
《CDA一级教材》适合CDA一级考生备考,也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校,累计已有10万+在读~

免费加入阅读:https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20