【SAS Says】基础篇：描述性分析（上）

特别说明：本节【SAS Says】基础篇：描述性分析（上），用的是数说君学习《The little SAS book》时的中文笔记，我们认为这是打基础的最好选择。

转载请在文章开头注明微信号：shushuojun，谢谢！

复习：

前面四节

• 【SAS Says】基础篇：SAS软件入门（上）
• 【SAS Says】基础篇：SAS软件入门（下）
• 【SAS Says】基础篇：读取数据（上）
• 【SAS Says】基础篇：读取数据（中）
• 【SAS Says】基础篇：读取数据（下）
• 【SAS Says】基础篇：开发数据

在微信号“shushuojun”中回复“SAS”查看。

前面在我们介绍了如何开发数据——如何使用SAS的函数、如何用if-then语句、如何处理SAS烦人的日期格式、如何使用retain语句让SAS保存前一次变量的值，如何快捷列出SAS的变量名等等。本节介绍如何利用SAS写一份数据报告，给出数据的基本信息。

本节目录：

读取数据（下）

4.1 使用SAS过程步

4.2 用where语句构造子集

4.3 用proc sort为数据排序

4.4 用proc print打印数据

4.5 用format改变打印外观

4.6 可供选择的formats（表）

4.7 使用proc format创建自己的格式

4.8 定制一个简单的报告

4.9 使用proc means描述数据

4.10 将描述性统计写入SAS数据集中

描述性分析（上）

4.1 使用SAS过程步

大部分过程步都有一个必须的语句，也有可选的语句，比如打印语句：proc print，这两个词是必须的，但可选的语句也有很多。

Proc语句 所有的语句的必须部分为proc+过程名，比如print、contents等。后面接一些可选项。比如proc print data=banana；

data=banana选项告诉SAS打印哪个文件，如果不加，则SAS默认打印最近使用的数据。前面还可以家libname语句，建立一个对本地文件的链接（2.20），比如：

LIBNAME tropical 'c:\MySASLib';

PROC CONTENTS DATA=tropical.banana;

或者直接引用（2.21）：PROC CONTENTS DATA='c:\MySASLib\banana';

BY语句 BY语句只在过程proc sort中是必须的，它用来对观测值排序。其他过程BY告诉过程对变量进行分别分析，且是可选的。比如要对每个州进行分别分析，则为：BY State

另外，除了proc sort，其他过程都假设了数据已经进行了排序，所以如果数据还没有排序，那么在分析之前要用proc sort排序。

TITLE和FOOTNOTE语句 这是为输出加上标题和脚注。最基本的title语句为：title ‘标题’，双引号、单引号皆可，比如：

TITLE 'Thisis a title';

如果标题中带有撇号，则需用双引号，或者将撇号换为双撇号：

TITLE ”Here’sanother title”;

TITLE ’Here’’sanother title’;

可以通过在tile、footnote后面加上数字来添加多个标题和脚注，

FOOTNOTE3 ’Thisis the third footnote’;

但是小数字的标题会代替大数字的标题，如title2会代替title3。

标题的去处可以用title+空值：TITLE;

Label语句 它可以为输出的变量加上标签，一个标签最大256字节，下面的代码为receivedate和shipdate创建了标签：

LABEL ReceiveDate=’Date order was received’

ShipDate=’Datemerchandise was shipped’;

注意的是，在数据步中使用label语句，则标签会保存在数据集中；在过程步中使用，标签只在这个过程中有效。

定制输出 使用系统选项，可以为输出设置诸如居中、日期、单行长度、页长度等。使用Output Delivery System，还可以改变输出的风格，以不同的格式输出（HTML、RTF），甚至改变输出的任何细节。

输出数据集 可以用ODS OUTPUT语句为输出结果创立一个数据集（5.3），一些过程中也可以用out=option。

4.2 用where语句在过程中构造子集

也可以用where构造子集，它方便快捷，因为他不创建新的数据集。且能够用在过程步中。

Where语句的基本形式为：

WHERE condition;

只有满足条件的观测值才进行proc过程。

一些使用最多的操作符及例子：

例子 有一份关于画家的数据，artists.dat，包含画家的姓名、主要风格、国籍：

第一步首先是数据步，读取数据、使用直接指代在C盘mysaslib目录下创建一个名为style的数据集。

某天如果想打印出印象派impressionism画家的情况，那么可以使用where语句

输出结果为：

4.3 用proc sort为数据排序

基本形式为：

PROC SORT;

BY variable-1...variable-n;

SAS首先会按照第一个变量排序，再对后面的排序。

Data=，out=用来指定输入和输出数据，如果缺失out=，则SAS会将排序后的数据集代替原来的数据集。下面的代码告诉SAS对数据messy排序，并将排序后的数据存在neat中：

PROC SORT DATA=messy OUT=neat;

选项nodupkey告诉SAS排序时删除重复值，比如：

PROC SORT DATA=messy OUT=neat NODUPKEY;

SAS默认是升序，可以用选项DESCENDING来变成降序，将DESCENDING加在要降序的变量前面：

BY State DESCENDING City;

例子 下面的数据显示了一些鲸鱼和鲨鱼品种的平均长度：

下面的代码读取并排序数据

输出结果为：

因为SAS认为缺失值是比字符串和数值都小，所以排在了第一位。另外，由于whale shark 40的数据有两个，故因为nodupkey选项而被删除一个。说明可见日志：

4.4 用proc print打印你的数据

基本形式：PROC PRINT;

SAS默认打印最近使用的数据集，DATA=可以指定数据集：

PROC PRINT DATA=data-set;

SAS默认打印观测值数，noobs选项可以取消。SAS默认打印时用变量标签代替变量，用label可以改变取消：

PROC PRINT DATA=data-set NOOBS LABEL;

还有下面的选项：

BY variable-list; 前提是数据必须进行排序

ID variable-list;

SUM variable-list; 打印变量总数

VAR variable-list; 指定打印哪部分变量以及打印顺序，默认打印全部。

例子 有学生卖糖果的数据，Candy.dat，记录学生名、所属班级、销售日期、卖的糖果类型、卖出的糖果数。

下面的程序读取数据、计算每个学生赚得的利润（每买一块赚1.25美元），并用proc sort按班级排序。接着在proc print语句中加入by，以分班级打印，加入sum，计算每个班级总利润：

输出结果为：

4.5 用formats改变打印外观

打印数据时，SAS会自动为你安排最好的格式，小数点位数、空格等。

当不需要默认格式时，可以用SAS formats改变打印的外观。

对于字符串、数值、日期变量，SAS有很多格式。比如可以用commaw.d格式打印有逗号的数字，用$w.格式控制打印的字符串数，用MMDDYYw.格式将日期（以1960.1.1为基点的数字）打印成12/03/2003这样的格式。甚至可以将格式打印成十六进制、区位十进制、压缩十进制等。

SAS格式的普通形式为：

符号说明：$说明了是字符串、format是格式名、w是包括包括在小数点在内的长度、d是小数位数。句号非常重要，它用来区分格式名和变量名。

Format语句 可以用format语句同时将格式和变量联系起来，用format+变量名+格式名，比如想要将格式DOLLAR8.2和变量profit、loss联系起来，把格式MMDDYY8.和格变量saledate联系起来：

FORMAT Profit Loss DOLLAR8.2 SaleDate MMDDYY8.;

Format可以用在数据步和过程步中，前者将把格式永久储存，后者只是临时储存。

Put语句 当写原始数据或者报告时，也可以在put语句中使用formats，在每个变量后面加上格式：

PUT Profit DOLLAR8.2 Loss DOLLAR8.2 SaleDate MMDDYY8.;

例子在上面的学生卖糖果的案例中，可以看到输出的日期是SAS日期值，这里用format变换成日期格式，并且用DOLLAR6.2将利润换成货币格式，

输出结果为：

4.6 可供选择的formats

下面是例子

4.7 使用proc format创建自己的格式

有时候变量值用数字代表实际的变量值，比如1代表男性，2代表女性，这种代码在打印的时候不好解读，可以用proc format使得打印出想要的值。

基本形式为：

Value语句中的name是格式的名字，如果格式是位字符串设计，则必须以$开头，长度不能超过32个字节（包括$），不能以数字结尾，除了下划线，不能包含其他任何特殊符号。且名字不能与已有的格式名冲突。Range是分配给等号右边文本的变量值，文本可以达到32767个字节，有的过程只会打印前面8或16个字节。下面是一个例子：

变量值是字符串要加上引号，range不止一个值要用逗号隔开，连续的range要用-，关键字low和high可以用来指代变量中最小和最大的的非缺失值。也可以用<来排除或指代某些范围，other可以给任何没有列在value语句中的变量分配格式。

例子有一份关于汽车公司客户的调查信息。包括客户年龄、性别（1为男性，2为女性）、每年收入、偏爱的汽车颜色（yellow,gray,blue,or white）：

下面的代码读取数据，并使用format过程为颜色、性别和汽车创建格式，并在打印数据时用format为变量指定这些输出格式：

输出结果为：

4.8 定制一个简单的报告

数据步可以帮助在报告中完成一些个性的需求，比如一页打印一个观测值等。

用file语句和put语句，基本形式为：

FILE‘file-specification’PRINT;

如input，put语句也有list，column，formatted方式，但因为SAS已经知道变量类型，因此不用符号$。且如果使用list ，SAS会自动在两个变量之间加上空格；使用column或者formatted，SAS将会把变量放在任何你指定的地方。使用指示器@n指定移动到第n列，+n指定移动n列，/跳动到下一行，#n跳动到第n行。用@hold住当前行。

例子再一次使用学生卖糖果的案例，Candy.dat，记录学生名、所属班级、销售日期、卖的糖果类型、卖出的糖果数。

老师想看每位学生的销售情况，故要每页分别打印一位学生的情况，代码如下：

Data null是告诉SAS不要写数据集名，以便使得程序更快。File语句创建了一个输出文件，空标题title语句告诉SAS去除所有的自动标题。

第一个put语句以一个指示器开头，@5，告诉SAS移动到第5列，接着打印出“candy sales report for”，后面是姓名name。变量name、class和quantity都是以list方式打印，而profit是使用formatted方式打印，并给定格式dollar6.2。一个斜杠是指跳到下一行，两个斜杠是跳到下两行。最后，语句put_age_是在每个学生报告下面插上页码，程序运行后，日志说明如下：

前三页报告如下：

4.9 使用proc means描述数据

可以用proc mens查看一些简单的统计量，Means过程开始于关键词proc means，后面接需要打印的统计量，基本形式：

PROC MEANS options;

如果不加选项，则默认打印出非缺失值个数、均值、标准差、以及最大最小值，下面是用选项可以查看的统计量：

如果没有其他语句，proc means语句会给你数据集中所有观测值和所有数值变量的统计量，这里是一些可以用到的语句：

• BY variable-list; 分变量单独分析，但数据必须先按照variable-list的变量顺序排序（proc sort）。
• CLASS variable-list; 也是分变量单独分析，看起来会更集中一些，且不需要排序。
• VAR variable-list; 指定分析中使用哪种数值变量，默认则使用所有的数值变量。

例子有一个花朵销售的数据，Flowers.dat，包括顾客ID，销售日期，petunias，snapdragons，marigolds三种花的销售量：

下面的代码读取数据，计算新变量销售月份，month，并使用proc sort按照月份排序，并使用proc means的by语句来按照月份描述数据：

输出结果为：

4.10 将描述性统计写入SAS数据集中

有两种方法可以在SAS数据集中储存描述性统计量，Output Delivery System(ODS)，或者output语句。前者在5.3，后者的基本形式为：

OUTPUTOUT=data-set output-statistic-list;

Data-set是要储存结果的数据集名，output-statistic-list则界定需要保存哪些统计量和名称，可能的形式为：

statistic(variable-list)=name-list

statistic可能是proc means语句中的任何一种统计量（sum，n，mean…），variable-list则界定VAR语句中哪些变量需要输出，name-list则定义统计量的新名字。比如，proc means语句产生了一个数据集ZOOSUM，包括一个观测值和变量lionweight（the mean of the lions’weights），BearWeight（the mean ofthe bears’weights）。

Noprint是告诉SAS不需要产生任何打印结果，因为已经将结果存入数据集中。

例子 仍然是花朵销售的数据

要描述数据，每个顾客只有一个观测值，包括SUM和MEAN，并且将结果储存到数据集中以便日后分析。下面的程序读取程序，按照CustomerID排序，使用means过程，结果存在totals数据集中。以原始名Petunia,SnapDragon,and Marigold给出sum，以新变量名MeanPetunia,MeanSnapDragon,andMeanMarigold给出mean

结果如下：