2.3　定義SAS數(shù)據(jù)集

如果你是一名數(shù)據(jù)分析的新手，當拿到一些以SAS格式存儲的數(shù)據(jù)集時，應(yīng)該從哪些方面去了解這些數(shù)據(jù)，以便為下一步的數(shù)據(jù)分析做好準備呢？

在進一步分析數(shù)據(jù)之前，我們還需要了解數(shù)據(jù)集的基本信息，比如修改日期、屬性、標簽等，以及每個字段的含義、類型、長度、格式等。

2.3.1　SAS數(shù)據(jù)的相關(guān)概念

SAS對表的引用采用二級引用，即“邏輯庫名.文件名”，比如為了引用SASHELP庫中的CLASS文件，必須采用“SASHELP.CLASS”格式，若不加邏輯庫名，則默認為調(diào)用WORK庫中的相應(yīng)文件。對于這些SAS操作中的默認規(guī)則，初學(xué)者會不知所措。本節(jié)旨在解決這個問題。

1. SAS文件

所有的SAS文件都必須作為某個SAS數(shù)據(jù)庫的成員。SAS文件主要分為以下三類。

• 表：存放數(shù)據(jù)值和數(shù)據(jù)的描述信息的數(shù)據(jù)集，以.sas7bdata為擴展名。
• 數(shù)據(jù)視圖：不實際存放數(shù)據(jù)，只包含表的描述信息和一組用來讀取數(shù)據(jù)的查詢語句，以.sas7bvew為擴展名。
• 目錄：存放不同種類的信息文件，一般每個信息文件都比較小，比如一些系統(tǒng)的快捷鍵的定義等，以.sas7bcat為擴展名。

2. 數(shù)據(jù)集構(gòu)成

一個數(shù)據(jù)集包括兩個組成部分——描述部分和數(shù)據(jù)部分，如圖2-9和圖2-10所示。

數(shù)據(jù)部分是打開邏輯庫中的文件時展現(xiàn)在我們眼前的部分，是數(shù)據(jù)值的集合。描述部分即屬性，包含以下部分。

1）數(shù)據(jù)集的名稱。

2）創(chuàng)建數(shù)據(jù)集的日期和時間，如圖2-11所示。

3）觀測的個數(shù)，變量的個數(shù)。數(shù)據(jù)集中的每一個變量都有屬性，如圖2-12所示。

類型、名稱、標簽、長度、輸入格式、輸出格式等屬性如圖2-13所示。

• 數(shù)據(jù)集與變量命名規(guī)則：首字符必須為英文字母（A～Z，包括大寫和小寫）或下劃線（_）；由數(shù)字、字母和下劃線組成；最多不超過32個字符；不區(qū)分大小寫。
• 標簽：數(shù)據(jù)集的屬性除名稱外，還包括標簽，以便描述數(shù)據(jù)集存儲數(shù)據(jù)的特性。書寫規(guī)則：可以是中文、英文字母等任何符號，最長不超過256個字符。
• 類型：只有字符型和數(shù)值型兩種類型，一個變量只能屬于其中一種類型。數(shù)值型變量只能是合法的數(shù)值，缺失值為點“.”，注意不含引號。日期屬于數(shù)值型變量，取整數(shù)。日期又分為日期數(shù)據(jù)與日期時間數(shù)據(jù)。日期的常數(shù)值表示形式為ddmmmyy d或者ddmmmyyyy d，比如表示2014年6月30日時，可以采用30jun14d或30jun2014d表示。日期數(shù)據(jù)在SAS中的存儲和展示方式如圖2-14所示。

日期時間數(shù)據(jù)如1960年1月1日00:00:00，每加1代表增加1秒。日期時間數(shù)據(jù)在SAS中的存儲和展示方式如圖2-15所示。

字符型變量的值可以是任何字符串，如中國、Alex等。缺失值為空格，不含引號。

• 變量屬性——輸入格式（Informat）及輸出格式（Format）：輸入屬性用于確定數(shù)據(jù)如何讀入SAS數(shù)據(jù)集；輸出屬性用于確定數(shù)據(jù)如何顯示，即打開數(shù)據(jù)集我們看到的格式，它只是輸出形式，不影響存儲形式。

3. SAS EG數(shù)據(jù)視圖

SAS EG數(shù)據(jù)視圖是從其他文件中讀取數(shù)據(jù)的一種SAS文件。它只包括數(shù)據(jù)集的描述信息，如數(shù)據(jù)類型、變量長度等。SAS EG數(shù)據(jù)視圖類似于數(shù)據(jù)庫視圖。

SAS EG數(shù)據(jù)視圖主要有以下幾個優(yōu)勢。

• 可以通過連接多個表的視圖來合并數(shù)據(jù)集；
• 可以節(jié)省大量空間；
• 可以保證讀取的數(shù)據(jù)集永遠都是最新的；
• 更改一個數(shù)據(jù)視圖只需要改變這個視圖的查詢語句。

2.3.2　SAS EG實現(xiàn)方式

1）單擊菜單，按順序依次單擊“任務(wù)→數(shù)據(jù)→數(shù)據(jù)集屬性”，如圖2-16所示。這里可以點擊“添加”按鈕新增數(shù)據(jù)集，也可以選中數(shù)據(jù)集并刪除它。

2）單擊“下一步”按鈕，設(shè)置輸出選項。默認報表輸出內(nèi)容包括數(shù)據(jù)集的創(chuàng)建日期、上次修改日期、觀測數(shù)、編碼、任何與引擎/主機有關(guān)的信息，以及變量及其屬性按字母順序排列的列表。增強型報表輸出包括表類型、表的創(chuàng)建和修改日期、觀測數(shù)、變量標簽以及變量類型。排序可以按照變量名稱、表中變量順序、變量類型、變量格式、變量標簽中的五者之一進行升序或者降序排列，如圖2-17所示。

上述選項設(shè)置之后，單擊“完成”按鈕，結(jié)果中產(chǎn)生5類信息。

1）數(shù)據(jù)集信息，如數(shù)據(jù)集名稱、類型、觀測數(shù)、變量數(shù)、創(chuàng)建時間、修改時間、是否排序、是否壓縮。

2）引擎和主機相關(guān)的信息，如頁面大小、頁數(shù)、版本。

3）按字母順序排序的變量和屬性列表，如變量名稱、類型、長度、輸入格式、輸出格式、標簽等。

4）數(shù)據(jù)集信息，與第1類顯示信息基本相同，但較為簡潔。

5）變量列表信息，與第3類顯示信息基本相同，但較為簡潔。

其中，默認報表輸出的是前3類信息，增強型報表輸出的是后2類信息。

2.3.3　SAS程序?qū)崿F(xiàn)方式

1. 查看文件屬性信息

基本語法如下：

proc contents <options>;
run;

options語法解讀如表2-1所示。

2. 創(chuàng)建視圖

1）數(shù)據(jù)步視圖：包含從多個數(shù)據(jù)源中讀取數(shù)據(jù)的數(shù)據(jù)步程序。

定義格式：DATA數(shù)據(jù)集名稱/view=數(shù)據(jù)集名稱。

上面的定義中，在數(shù)據(jù)步的最后一個數(shù)據(jù)集名稱后加上“view=數(shù)據(jù)集名稱”是告訴SAS程序只進行編譯，不運行，而被編譯的程序存儲在view后的數(shù)據(jù)視圖中。

例如下面這段創(chuàng)建數(shù)據(jù)步視圖的代碼：

data bankdata.account1/view= bankdata.account1;
set bankdata.account;
run;

2）SQL視圖：一個帶有名稱的proc sql查詢，可以讀寫的數(shù)據(jù)源同數(shù)據(jù)步視圖。

proc sql;
create view bankdata.account as
select * from bankdata.account;
quit;