京公网安备 11010802034615号
经营许可证编号:京B2-20210330
SAS在DATA步中调用PROC步
给大家介绍一种方法,可以在DATA步中调用PROC过程,这样就可以在DATA步中对PROC产生的结果进行操作。
具体如何实现?
首先肯定不是直接在DATA步中写PROC,有些人可能会说用CALL EXECUTE,其实不然。CALL EXECUTE是在DATA步运行之后才调用。
在这里给大家介绍RUN_MACRO这个函数,通过该函数就可实现在DATA步中调用PROC,或者是另一个DATA步。
顾名思义,该函数就是用来调用macro的,但它有它的独特之处:不能在DATA步中使用该函数,只能在FCMP过程中使用(自定义函数中使用)。
因此要实现在DATA步中调用PROC,需要三个步骤:
1.定义一个MACRO,其内容就是一个PROC过程;
2.通过FMCP创建自定义函数,调用上面定义的MACRO;
3.在DATA步中调用自定义函数,即间接调用PROC过程;
下面用一个例子来说明:
创建宏(该宏是利用PROC SQL创建一个数据集,包含一个变量的非重复值)
%macro distinct_values;
%let input_table = %sysfunc(dequote(&input_table));
%let column = %sysfunc(dequote(&column));
%let output_table = %sysfunc(dequote(&output_table));
proc sql;
create table &output_table as
select distinct &column
from &input_table;
%mend;
创建自定义函数(在自定义函数中调用上面定义的宏)
proc fcmp outlib=work.funcs.sql;
function get_distinct_values(input_table $, column $, output_table $);
rc = run_macro('distinct_values', input_table, column, output_table);
return (rc);
endsub;
run;
在DATA步中调用
options cmplib = work.funcs;
data _null_;
rc = get_distinct_values('sashelp.shoes', 'region', 'work.regions');
id=open('work.regions');
if id then nobs=attrn(id,'NOBS');
put nobs;
run;
通过这种方式就可在DATA中调用PROC,从而使用PROC生成的结果。在上面的例子中,最后的DATA步调用PROC生成了数据集WORK.REGIONS,
然后通过OPEN函数打开该数据集,获取到该数据集的观测数。当然你可以干其他的事情。
重点在于:RUN_MACRO调用宏后,会一直等待宏执行完毕后才返回。因此紧接着get_distinct_values自定义函数后就可以使用宏产生的数据。
如果使用CALL EXECUTE调用宏,是在DATA步执行完之后,才调用宏,实际上就是在DATA步之后增加了宏的调用。
注:虽然在第三步调用get_distinct_values之后就可以使用该数据,但不能使用SET WORK.REGIONS; 为什么呢?这是因为SET语句的运行机制决定的。
在程序编译阶段,如果有SET语句,就会将SET的数据集打开,但此时程序还未执行,数据集根本没有生成,因此就会报错,提示数据集不存在。
所以要使用OPEN函数,来对该数据集进行操作。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27