
SAS一些有用的语句
今天本想继续介绍 summary过程的,但是发现别人整理的比我更好,于是周末再更,好好整理一下描述性统计分析及评分卡建模,今天给大家介绍一些sas有用的语句吧。
1.如果在同一程序中需要多次调用print语句,用%str可以节省程序书写;
%let print=%str(proc print data=sashelp.class;run;);
&print;
2.查看变量类型;
data a;
set sashelp.class;
w=vtype(age);
run;
3.结构查询语言;
select语句用来检索数据(order从句,format选项) ;
create语句创建表格;
update语句增加或修改表格中列的数值(insert和delete语句插入和删除行,用alter语句增加、修改、删去列)
例子:
data employee;
input empname $ empcity $ empyears emptitle $ sales;
cards;
aa beijing 3 engineer 2300
bb shangqiu 2 teacher 3000
cc changsha 32 worker 4000
dd changsha 20 salesrep 1000
;
proc sql;
create table changsha as /*对表格的操作*/
select empname,
empcity,
empyears format=yymmdd8.,/*对表格列的操作*/
sales*2 as totalsales,
/*count(empyears) as count_emp,*//*计算by排序文件的观测数、均值(avg)*/
/*10*(sales-empyears) as total,*//*有效的表达式*/
emptitle
from employee
where empcity='changsha'
order by empyears asc; /*asc升序,desc降序*/
alter table changsha add gender char(1);/*对表格列的操作,添加性别变量,相似modify,drop*/
update changsha/*对表格值的操作:赋值*/
set gender='f'
where empname in ('aa','cc');
update changsha
set gender='m'
where gender is missing;
insert into changsha /*对表格行的操作,插入一条观测*/
values('ff', 'changsha',10, 8000,'teacher','m');
delete from changsha /*对表格行的操作*/
where empyears>20;
quit;
proc print data=changsha;
run;
4.计算行数;
%let dsid=%sysfunc(open(sashelp.class,i));
%let n=%sysfunc(attrn(&dsid,nobs));
%let rc=%sysfunc(close(&dsid));
%put obsnum=&n;
5.scan()用法:
data a;
arg='ABC.DEF(X=Y)';
word=scan(arg,-3);
/*put word;*/
run;
data c;
arg='ABC.DEF(X=Y)';
word=scan(arg,-20);
put word;
run;
data d;
input Arr $ & 22.;
ArrivalGate=scan(Arr,1,' ');
DepartureGate = scan(Arr,2,' ');
put DepartureGate ArrivalGate arr;
cards;
Arrival DepartureGates
;
run;
6.sysfunc()用法;
data a;
input group $ number point;
cards;
A 1 85
A 2 66
B 1 69
C 3 55
D 4 24
;
run;
%macro macro_name(group,number,point);
data out_&group.;
group="&group";
number=&number.;
point=&point.;
run;
%mend;
%macro test;
*打开存放参数的数据集;
%let dsid=%sysfunc(open(work.a,i));
%put &dsid; *%put是在日志输出改宏变量的值;
*fetch是为了判断是否读取完数据集记录,若已读完,则返回-1,否则返回0,赋给宏变量rc;
%let rc=%sysfunc(fetch(&dsid));
%do %while(&rc=0);
*trim是去掉字符右边的空格,left是去掉字符左边的空格,getvarc(&dsid,1)是读取数据集的第一列,
读取第二列则为getvarc(&dsid,2),getvarc是针对字符,若该列是数值型的则为getvarn(&dsid,2);
%let group=%sysfunc(trim(%sysfunc(left(%sysfunc(getvarc(&dsid,1))))));
%let number=%sysfunc(trim(%sysfunc(left(%sysfunc(getvarn(&dsid,2))))));
%let point=%sysfunc(trim(%sysfunc(left(%sysfunc(getvarn(&dsid,3))))));
%put &group; %put &number; %put &point;
%macro_name(&group,&number,&point);*将参数传给调用你所需要运行的宏macro_name;
%let rc=%sysfunc(fetch(&dsid)); *同上fetch;
%put &rc;
%end;
%let rc=%sysfunc(close(&dsid)); *关闭数据集;
%put &rc;
%mend;
%test;
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18