京公网安备 11010802034615号
经营许可证编号:京B2-20210330
分配一个值给宏变量,可以使用callsymput:
CALL SYMPUT(”macro-variable-name”,value);
macro-variable-name是变量名,value可以是一个变量名,该变量的值将分配给macro-variable-name,也可以是一个用引号括起来的常量。
call symput通常在IF-THEN语句中使用:
IF Age>=18 THEN CALL SYMPUT(”status”,”Adult”);
ELSE CALL SYMPUT(”status”,”Minor”);
这个语句创建了宏变量&STATUS,并依据年龄情况分配给值adult或minor。下面的代码使用变量来赋值:
IF TotalSales>1000000 THEN CALL SYMPUT(”bestseller”,BookTitle);
注意 用call symput创建的宏变量与赋值变量不能够用在同一个数据步中。因为直到数据步执行之后,SAS才会将一个值赋给宏变量。
例子 仍然是花店销售的数据:
现在想找到单个订单最大的客户,并打印出这个客户的所有订单。
第一段代码读取原始数据,proc sort按照quantity降序排序,最大单个订单将会出现在第一个观测值上。
第二段代码使用call symput,当_N_为1 的时候,分配变量CustomerID的值给宏变量&SELECTEDCUSTOMER,在数据步中,我们所需要的就是这么多,因此使用stop语句告诉SAS停止数据步。Stop语句也可以不要,但为了提高效率,它可以告诉SAS不要再读取下面的观测值了。
第三段代码,此时SAS直到数据步已经结束,因此执行数据步。宏变量&SELECTEDCUSTOMER的值为356W,结果如下:
避免宏错误 尽可能先用标准SAS代码写你的程序,当没有错误了,再转成宏代码,先一次增加一个宏逻辑特征。再增加%macro和%mend。再增加宏变量。
引用问题 宏处理器不能解决但引号内的宏。所以要使用双引号。比如下面的例子,单引号不能读取宏变量的值:
排除宏错误bug的系统选项 这五个系统选项会影响SAS写入日志的信息。粗体为默认的设置。
MERROR|NOMERROR 如果你调用了一个SAS不能找到的宏,则会报警。
SERROR|NOSERROR 如果你使用了一个SAS不能找到的宏,则会报警。
MLOGIC|NOMLOGIC SAS会在日志里打印关于执行宏的详细信息。
MPRINT|NOMPRINT SAS在日志里打印由宏产生的标准SAS代码。
SYMBOLGEN|NOSYMBOLGEN SAS在日志里打印宏变量的值。
最好只在排除bug的时候才将MLOGIC,MPRINT和SYMBOLGEN打开,否则它会让你的日志阅读起来很困难。想要关闭,则用系统语句:
OPTIONS MPRINT NOSYMBOLGEN NOMLOGIC;
Merror信息 如果SAS不能找到一个宏,并且Merror选项也是开着的,那么SAS会打印这样的信息:
WARNING:Apparent invocation of macro SAMPL not resolved.
确认宏名字的拼写是否正确。
SERROR信息 如果SAS不能在开放代码中处理一个宏变量,并且serror选项是开着的,SAS会打印这样的信息:
WARNING:Apparent symbolic reference FLOWER not resolved.
首先确认是否拼写错误,再次查看视角,即是否在外部使用了一个局部变量。
MLOGIC信息 如果这个选项开启,SAS会在日志中打印由宏产生的SAS语句。如果在MPRINT选项中运行了%SAMPLE,日志会如下所示;
SYMBOLGEN信息 如果这个选项开启,SAS会在日志窗口中打印每个宏变量的值。如果在SYMBOLGEN选项中运行%SAMPLE,日志会如下所示:
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在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16