2.3 邏輯庫與數據集

SAS從導入數據到完成統計分析報告，這中間涉及很多重要的基本概念，如數據集、DATA步，PROC步等。接下來，我們就順著這個流程，把最基本、最重要的概念捋一遍，那就從邏輯庫和數據集開始吧。

→2.3.1 邏輯庫

從上一小節SAS數據分析流程里我們知道，要進行數據分析，需要我們先把外部的Windows數據文件，比如CSV文件轉成SAS可以直接識別和處理的SAS數據集，而SAS數據集則必須置于SAS邏輯庫（SAS Library）中。數據存儲在數據集里，數據集存放在邏輯庫中，數據、數據集和邏輯庫的關系就如同數據頁、文件夾和抽屜的關系（見圖2-3）。

圖2-3 數據、數據集以及邏輯庫的關系

在Windows環境下，SAS邏輯庫其實是映射到一個（當然，也可以是多個）文件夾的名字。SAS會按照某些約定的格式去讀寫SAS邏輯庫中的SAS數據集，這些約定的格式，被稱為引擎（Engine），如SAS 9.4默認的引擎就是V9，SAS 9.4會用V9這種格式去生成SAS數據集、讀取數據集。此外，SAS還可以用其他引擎讀取外部數據，如可以用XLSX引擎讀取Excel文件，SPSS引擎讀取SPSS數據等（見圖2-4）。

圖2-4 SAS永久庫的建立以及引擎

大多數情況下，我們都希望處理好的SAS數據集能夠保存在某個文件夾下，以備后用，而對于一些中間數據或者臨時數據，我們則希望關掉SAS后它們就被自動刪除。因此，SAS給我們分別提供了永久邏輯庫和臨時邏輯庫（見圖2-5）。永久庫除了有SAS自帶的Maps、Mapsgfk、Mapssas、Sashelp以及Sasuser外，我們也可以自建存放自己數據集的永久庫，而臨時庫在SAS里就一個，名為Work庫。我們在Work庫里倒騰數據時很可能產生了一大堆中間數據集，最后把倒騰好的最終數據集存入永久庫即可，關掉SAS軟件后，那些留在Work庫里的中間數據集不用我們去操心，會被自動刪除。

圖2-5 永久邏輯庫與臨時邏輯庫

例如，我們想在D:\03 Writting\01 SAS編程演義\02 Data\Clean的位置建立一個永久邏輯庫，取名為“Demo”。一種方法是采用工具按鈕如圖2-4所示方法生成；另一種方法則是通過LIBNAME語句生成?；靖袷骄褪牵篖IBANME數據庫名稱 “數據庫物理地址”，具體可見程序2-1利用LIBNAME語句自建永久邏輯庫。

程序2-1 利用LIBNAME語句自建永久邏輯庫

    *===帶*號的行是注釋行===;
    *===自建永久庫===;
    *===取名Demo,地址：D:\03 Writting\01 SAS編程演義\02 Data\Clean;
    libname  demo "D:\03 Writting\01 SAS編程演義\02 Data\Clean";

需要留意的是，通過工具按鈕建立永久庫時，可以在建立時勾上“Enable at startup”，下次啟動時SAS就會自動加載這個永久庫，而通過LIBANME語句自建的永久庫在SAS重新啟動時，需要重新運行LIBNAME語句才可以重新把永久庫的名字和物理地址關聯上，然后才能在SAS Libraries里看到。如果想要讓SAS語句建立的永久庫在啟動后就能看到，可以把包含LIBNAME語句的程序命名為autoexec.sas，并放入和sas.exe同級的目錄中，此后每次SAS啟動時會自動運行autoexec.sas程序，建立永久邏輯庫。

→2.3.2 數據集

SAS數據集有兩種：一種是SAS數據文件(SAS Data File)；另一種是SAS視圖(SAS View)。數據文件和視圖用SAS打開后都類似于一張表格，不同的是數據文件是真實存在的數據，而視圖是運行查詢語句后動態生成的數據，兩者的圖標在DMS中也不一樣，如圖2-6所示。不過兩者在實際內容效果方面卻是一樣的，如圖2-7所示。由此而帶來的疑惑是：既然兩者的實際內容效果一樣，有了數據文件為何還需要視圖？謹記：視圖是依據查詢語句動態生成，因此視圖本身幾乎是不占存儲空間的，利用視圖可以節約硬盤空間。

圖2-6 SAS數據文件與視圖圖標

圖2-7 SAS數據文件與視圖內容

SAS數據集的組成成分，在邏輯上可能僅有描述信息（數據視圖時的情況），也可能是包含描述信息、數據值（數據文件時的情況）以及可能的索引和其他擴展屬性四部分，具體見表2-1。單就數據集的描述信息來說，包括兩部分：一部分是數據集概要信息，如數據集類型、創建引擎、創建時間等；另一部分是變量信息，如變量名稱、類型、長度以及格式等。至于數據值，也即如圖2-7所示的內容，是由行、列組成的表。行和列在SAS數據集里分別稱為觀測（observation）和變量（variable），這部分內容是數據文件獨有的，SAS視圖只有打開運行時才生成。

表2-1 數據集邏輯構成示意

如果希望查看數據集的描述信息，特別是如圖2-8所示的第三部分內容：變量列表及其屬性，則可以通過PROC CONTENTS實現，并且可以進一步加工整理成數據庫的變量字典，極大地方便后續的工作。當然，也可以通過右擊數據集，通過「查看列」來查看變量信息（見圖2-9）。

圖2-8 SAS數據文件描述信息

圖2-9 右擊數據集查看變量信息

欲查看數據值，可以通過PROC PRINT實現，當然，雙擊數據集也可以。不過在實際操作中，我們不會總是這樣查看所有數據值，而是希望通過統計過程查看一些統計信息，如均數、分位數、分布圖等。

由于數據集都在邏輯庫下，因此在程序中指定數據集時，需要按照「邏輯庫.數據集」的二級命名格式來明確告知是哪個邏輯庫下的哪個數據集，中間用英文的句號隔開，當邏輯庫為臨時庫WORK時，可以省略掉一級命名結構和句號「邏輯庫.」。

程序2-2 查看數據集描述信息與數據值

    *====查看邏輯庫Demo里的數據集描述信息;
    *===查看數據文件的描述信息;
    proc contentsdata=demo.class_datafile;
    run;


    *===查看數據文件的數據值;
    proc printdata=demo.class_datafile;
    run;


    *===查看視圖的描述信息;
    proc contentsdata=demo.class_view;
    run;


    *===查看視圖的數據值;
    proc printdata=demo.class_view;
    run;

查看數據集的信息是學會了，但是如何創建數據文件呢？回顧圖2-2，我們知道有兩種方式：導入外部數據或者讀取既有的SAS數據集。導入外部數據，我們既可以用DATA步，也可以用PROC步，具體情況將在第3章做詳細介紹。讀取既有數據集，我們可以用DATA步的SET語句，這里我們簡單舉例，把SAShelp庫的Class數據集讀取到我們自建的永久庫Demo里和臨時庫WORK里，并都命名為class_datafile。

程序2-3 SET語句建立數據文件

    *===自建永久庫;
    libname  demo "D:\03 Writting\01 SAS編程演義\02 Data\Clean";


    *===建永久數據集，demo.不可省略;
    datademo.class_datafile;
        set sashelp.class;
    run;


    *===建臨時數據集，work.被省略;
    data  class_datafile;
        set sashelp.class;
    run;

建立數據文件學會了，如何建立視圖呢？有兩種方法：DATA步的VIEW選項和PROC SQL的Create view語句。

程序2-4 創建SAS視圖

    *===建視圖;
    *===from data step;
    datademo.class_view/view=demo.class_view;
        set sashelp.class;
    run;
    *===from Proc sql;
    proc sql;
        create view demo.class_view as
        select *
        from sashelp.class;
    quit;

→2.3.3 變量

數據集中最為重要的一個概念莫過于變量（variable）。在SAS里，我們可以將變量簡單理解為存儲數字或者字符的容器，一個變量就是一列。變量有其屬性，包括名稱、類型、長度、輸入格式、輸出格式、標簽、觀測中的位置以及索引類型等。圖2-9展示了變量的屬性信息。

變量名有其命名規則，后面會詳細介紹。同其他編程語言或者統計軟件不同的是，SAS的變量類型非常簡約，只有兩種：數字和字符。數字型變量存儲浮點數，包括日期和時間（在SAS里，日期實際存儲的是距離1960年1月1日的天數，而時間實際存儲的是距離凌晨的秒數，具體可見程序2-5）；字符型變量存儲的是拉丁字母、0～9阿拉伯數字以及其他特殊字符，默認長度是8個字節。輸入/輸出格式是SAS讀取或者顯示變量的規則，數字型變量默認輸入格式是「w.d」，輸出格式是「BEST12.」；字符型默認輸入、輸出格式均為「$w.」。關于格式，我們將在第7章做詳細介紹。

程序2-5 SAS日期、時間以及日期時間的本質

    datatmp;
      date="01Jan1960"d;
      time="00:00:00"t;
      datetime="01Jan1960 00:00:00"dt;
    run;