关于缺失统计函数cmiss、nmiss中的小细节

在数据清理中统计缺失变量的缺失的时候，我们经常会用到cmiss函数和nmiss函数，这两者都是用来对缺失个数进行统计，两者区别就在于前者既能用于数值型也能用于字符型，而nmiss则只能用于数值型。

在使用这两个函数的过程中，我们往往会发现在统计缺失个数时候，经常出现实际计算出来的值要大于缺失值的个数，这是为什么呢？

举个简单的例子：

data tmp;

v1=.;v2='';x=3;output;

v1=1;v2='A';x=2;output;

v1=3;v2='';x=.;output;

v1=.;v2='B';x=2;output;

run;

我们得到四行数据，如下所示：
 

接下来用cmiss函数进行行缺失个数的统计：

data tmp1;

set tmp;

sum_miss=cmiss(of _all_);

run;

最终得到如下结果：

我们发现sum_miss的每一行值都比实际值要大1，为了了解这个过程，我们来通过put语句展示一下过程：

data tmp1;

set tmp;

put _all_;

sum_miss=cmiss(of _all_);

run;

查看日志：

我们发现在统计行缺失时，由于使用的_all_，所以把sum_miss变量也包含进去了，所以才会产生如上结果。

那么为了避免出现这种结果，我们可以用两种办法：

第一种：对sum_miss赋值，例如:

data tmp1;

set tmp;

sum_miss = 0;

sum_miss=cmiss(of _all_);

run;

第二种：将变量列出来，例如：

data tmp1;

set tmp;

sum_miss=cmiss(v1,v2,x);

run;

但是通常情况下，我们还是习惯用第一种方法，因为有时候变量太多，我们又不希望把他们都列出来，所以喜欢采用_all_来表示所有变量。

有童鞋也许会问了，如果我变量很多，但是我又只想对一部分变量进行行缺失统计，那么我该怎么做呢？

方法也很多：

例如可以选择第二种方法，只是需要将你要选择的那些变量用宏变量把他们包含成一列：sum_miss = cmiss(of ¯o_var.);其中宏变量macro_var = v1 v2 x;。

例如可以选择第一种方法，只是在set数据集时，将需要的都keep，前提还是需要将他们用宏变量包含城一列。

等等，根据具体情况，只要灵活结合宏，往往我们都能得到事半功倍的效果。

另外使用cmiss还要一个地方需要注意：

在将cmiss与%sysfunc结合使用时，需要注意对于宏变量是缺失的，我们要用（.）来表示，而不能用空格来表示，例如：

%let a = ;

%let b = hello;

%let c = %sysfunc(cmiss(&a.,&b.));

%put c = &c.;

我们可以看到日志中如下所示：

虽然最终得到了正确的结果，但是程序还是会报错。

那么为了消除这个error，我们需要在宏变量后面再加上一个点号，如下所示：

%let a = ;数据分析师培训

%let b = hello;

%let c = %sysfunc(cmiss(&a..,&b..));

%put c = &c.;

最终在日中中，我们会发现这个error已经去掉了。