【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:

本文分享自微信公众号 - 数说工作室(shushuojun)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2015-07-07

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏数说工作室

【SAS Says】基础篇:读取数据(下)

特别说明:本节【SAS Says】基础篇:读取数据(下),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。...

60860
来自专栏数说工作室

【SAS Says】基础篇:SAS软件入门(上)

前言·数说君的话 在统计软件里,SAS算是一哥了,虽然R免费开源有各种统计函数、python功能多各方面比较平衡,但是、但是——SAS贵啊!正版的SAS一年要...

43670
来自专栏数说工作室

【SAS Says】基础篇:复制、堆叠、合并数据

特别说明:本节【SAS Says】基础篇:复制、堆叠、合并数据,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...

1.6K50
来自专栏量子位

语义分割中的深度学习方法全解:从FCN、SegNet到各版本DeepLab

王小新 编译自 Qure.ai Blog 量子位 出品 | 公众号 QbitAI 图像语义分割就是机器自动从图像中分割出对象区域,并识别其中的内容。 ? 量子位...

70690
来自专栏数说工作室

【SAS Says】基础篇:SAS软件入门(下)

特别说明:本节【SAS Says】基础篇:SAS软件入门(下),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...

43240
来自专栏数说工作室

【SAS Says】基础篇:ODS的使用(上)

你不可能总是在SAS上查看结果,如果结果很多你要一一的讲结果复制到word中去,有ODS就好啦!它可以把SAS的结果直接输出到word、PDF等文件中。 5.1...

1.2K60
来自专栏数说工作室

【SAS Says】基础篇:5. 开发数据(一)

本节目录: 开发数据 5.1 创建并重新定义变量 5.2 使用SAS函数 5.3 使用IF-THEN语句 5.4 用IF-THEN语句将观测值分组 5.5 构造...

33540
来自专栏数说工作室

【SAS Says】基础篇:读取数据(中)

特别说明:本节【SAS Says】基础篇:读取数据(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。...

42150
来自专栏数说工作室

【SAS Says】基础篇:读取数据(上)

特别说明:本节【SAS Says】基础篇:读取数据(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。...

55570
来自专栏数说工作室

【SAS Says】基础篇:描述性分析(下)

好吧,这一节是留给处女座的,主要说如何用proc tabulate和proc report产生一个更加耐看的报告。有时候print、means和freq产生的报...

83750

扫码关注云+社区

领取腾讯云代金券

年度创作总结 领取年终奖励