利用SAS进行数据清洗技术—缺失值查询

数据清洗技术是统计分析之前必做的一步，而且也是非常麻烦的一步，有时甚至花费的时间比统计分析都长。所以没有一定的技巧，这将是个非常烦人的工作。本篇文章介绍如何利用sas进行缺失值的查询工作。

假定我们有数据集aa，包含如下变量（数据省略）：

ID dose gender age t0 t1 a1 a2

最简单的方式当然就是挨个变量找缺失值，如下：

data missing；

set aa；

if id=. or dose=. or gender=. or age=. or t0=. or t1=. or a1=. or a2=.；

proc print；

run；

这种方式很好理解，就是利用if语句逐个判断每个变量是否有缺失（注意，如果变量时文本型，不能写=.，而是=" "），但缺点也是显而易见的，如果不是现在的8个变量，而是80个变量，那写一遍估计要累个半死。所以我们用下面的语句节省体力：

data missing(drop=i)；

set aa；

array num{8} id dose gender age t0 t1 a1 a2；

do i=1 to 8；

if num{i}=. then output；

end；

这种方式好像比上面的更复杂了，但效率提高了n倍（取决于你的变量有多少）。这种方式是利用数组判断缺失值，不管有100个还是1000个变量，对数组来说没什么区别，只是数组中变量的个数改变一下而已（如本例中的8）。

当这种方式仍不是最节省的，因为我们还是需要把这8个变量一一写出来，那可不可以就不写变量名呢。当然可以，还有更简单的方式如下：

data missing(drop=i)；

set aa；

array num{*} _all_；

do i=1 to dim(num)；

if num{i}=. then output；

end；

当这种方式更简单了，而且是个通用语句，不管你有10个还是1000个变量，都可以用这种方式来查询，一个字母都不用改。当然前提是所有变量都是数值型，如果是文本型，那就应该是num{i}=" "。

还有另外一种非常简洁 的方式是利用函数，如下：

data missing(drop=i)；

set aa；

array num{*} _all_；

do i=1 to dim(num)；

if missing(num{i}) then output；

end；

用函数的这种方式有什么好处呢？起码有一点，你不用考虑到底是数值还是文本，全部都是missing(变量)就行了。否则你还得想着数值是.，文本是" "。一不小心忘了容易出问题。

前面所说的都是假定所有变量都是同一种类型的，如果变量中既有数值型，又有文本型，那怎么办呢？如下程序就很简单了：

data missing(drop=i)；

set aa；

array a _numeric_；

do i=1 to dim(a)；

if missing(a) then output；

end；

array b_character_；

do i=1 to dim(b)；

if missing(b) then output；

end；

毫不夸张地说，这个简直就是个缺失值的通用语句，同时遍历了数据集中的数值型和文本型的所有缺失值。所有的缺失值查找，几乎都可以这一语句来实现，它几乎包含了所有的可能情况，还能苛求什么呢？套用就行了。