数据分析与SAS学习笔记2

SAS在企业使用的情况：

SAS是一个很昂贵的商业软件。在企业中使用SAS比较多，在企业界中是比较流行，在学术界使用R比较多。

SAS简介：统计分析系统

 处理生物分析数据。

SAS成为统计领域的国际标准软件，服务全球50000多家企业。

在医学和金融领域，在进行数据分析的时候，要求使用SAS软件。

数据分析软件的基本问题：

1）怎么建立数据集？

ETL，SAS有专门的语句和过程做这个事情。

2）怎样进行数据分析（自己写代码，或者利用现有函数）？

SAS语言有自己的特点。丰富的解读结果。统计指标。

3）输出图表

输出图表比较简陋，专门花钱买数据展现模块，有非常好的效果。

SAS基本界面：

编辑窗、输出窗、日志窗

SAS资源管理器

SAS处理流程：

数据步 过程步：

 一个完整的数据步和过程步：

代码说明：

1）$符号表示这个变量是一个字符串类型；宽度缺省是8个字符；空格作为分隔符；cards和run之间数据；内置数据集第一行循环读取；读到student数据集中。把整个内置数据全部读完。

2） 变量是列；正常是叫变量。

3）每一行是一个观测值、样本；

4）student是数据集；放在磁盘里的文件。专门SAS的一种格式；如果打开文件，发现是二进制的，是乱码。

5）proc: 过程步：print：输出过程，将student数据集进行输出，keep我们只要显示id name和score这三个变量。

6）obs：观测：每一行是一个观测值，每一行是一个样值。noobs：无观测值。

7）预先创建逻辑库mydb；

SAS是商业软件，是按年来付费的。

SAS的模块：

逻辑库：

对应于一条物理路径的逻辑名，用于存放SAS数据集合数据文件。

这种数据集只能在SAS中进行读取。

建立逻辑库：

1）先在硬盘上建立相应目录；

2）在编辑窗中输入libname命令；

3）按F8或者提交按钮提交命令；

libname mydb 'c:\mydb';

代码说明：

1）末尾要加分号；

 内置逻辑库：Maps、sashelp、sasusers都是内置，里面还有样本数据。

work是临时逻辑库：加入我们建的数据集临时放在临时逻辑库中，

逻辑库名丢弃；可使用libname重新建立连接；

使用图形界面建立逻辑库：

鼠标指向逻辑库，在右键菜单选择“删除”；

删除后目录和数据在物理上依然存在，只是拆除了连接；

那些保存在硬盘上数据，只要通过在硬盘上进行删除才行。

人工建立的逻辑库都是永久的。

逻辑库连接数据库：

libname oradb oracle user=scott password=tiger path=orcl;

以上命令可以直接连接Oracle数据库，其他数据库操作类似。

代码说明：path：连接实例。

变量：数据集中列、属性等。统计学中就叫变量。

命名规则：以字母或下划线开头，由字母、下划线、数字等组成，不区分大小写。

不要使用中文作为变量名。SAS中是不区分大小写的。

变量赋值。

SAS中的变量就是数据集中的列，值就是一行观测值。

代码解读：

1） 数据集是sfz；是在临时逻辑库work中；

2）length 语句定义了一个变量id， $表示这是一个字符串变量，18表示18个字符这么长；如果是数值型数据，小数点后面为4位。

3）input语句是指定我们读入数据的列是怎么切割的，先读入id，然后再读入sex列，分隔符是空格，没有特殊说明的话，sex后面有一个$，说明是一个字符型变量。

4）字符串变量默认是8个字符，没有这个length语句，就只有8个字符，使用length语句调整变量的长度。

5）在cards和run之间定义了内置数据，读数据的方法是每次一行，到run，然后到数据步开始位置，然后再读入第二行，到run，然后再到数据步开始位置；

6）proc print就是打印当前数据集；就是我们刚刚操作的sfz数据集。

Date、time、datetime类型：

 1）标准时间的时间戳方法；

读文本文件中的数据：

在目录中准备abc.txt文档

 

 

 

 代码说明：

1）%let定义宏变量 f1，指向abc.txt完整的地址；

2）filename语句是用fil来指代f1这个文件，类似文件别名；

3）data temp.hw： 我们在temp逻辑库中建立一个hw的数据集；

4）infile fil: 表示我们的数据要从fil中读，之前我们都是从cards读；

5）input: 两个列，都是数值型的，默认8位；

6）run；反复循环读；

7）proc print：检查确实将文件的数据读进来了。

另外一个读文件的例子：

列指针控制读取:

代码说明：

1）@1：这种叫列指针；另外还有行指针、搜索指针、绝对指针、相对指针等；指针是很复杂概念，那么复杂的非结构化的文件，SAS也是可以读出来的。

列控制符号：

 

代码说明：

1） $: 表示字符串；

2）1-3： 从第1个字符到第3个字符；4-9 从第4个字符到第9个字符；10-13：从第10个字符到第13个字符；

分隔符的方法：

 代码说明：

1）dlm语句：分隔符是逗号；默认是空格；

2）fin1指向abc2.txt文件；

3）$  表示该列是字符串；

写外部文件：

data _null_;
set mydb.student;
file 'c:\temp\stu1.txt';
put id name $ sex $ score;
run;

代码说明：

1）set mydb.student: 指定数据集；

2）file指定要写的文件；

3）put语句将数据集中的数据写进文件中。