2024-05-28 初级SAS学习笔记11（dataset）

        在数据集合并的时候可以使用 IN 选项来标识新生成数据集每条观测来源，IN 选项可以与SET、UPDATE、MERGE语句共用，但最常与MERGE 语句合用，常用格式是IN=VARIABLE，如：

        data  both;

                merge state(in=instate) country(in=incountry)

                by statename;

        run;

值得注意的是，此处的IN=variable里面的variable是临时的，且该variable的值只有0或1，如上程序所示，instate=1表示来自于该条观测存在于名为state的数据集，incountry=0表示该条观测不存在于名为country的数据集，该变量虽然是临时变量但也可以与if else语句连用来筛选合并数据集中需要输出的观测。

举例如下：

proc sort data=customer;

        by customernumber;

proc sort data=orders;

        by customernumber;

run;

data noorders; 

        merge customer orders(in=recent);

        by customernumber;

        if recent=0;

(这里不论是否能通过customernumber变量匹配与否，使用merge语句合并会将两个数据集观测都纳入合并数据集，

而使用recent=0则只会输出在orders数据集中不存在的观测)

run;

proc print data=noorders;

        title "Customers with No Orders in the  Third Quarter";

run;

结果如下：

在data 步还可以使用where =condition选项，其使用规范与where语句相同，示例如下：

        data gone ；

                set animals(where=(status="extinct"));

        proc import datafile="c:\mayrawdata\wildlife.csv"

                out=animals(where=(class="mammalia")) replace;

        proc export data=animals(where=(status="Threatended"))

                outfile="c:\myrawdata\wildlife.xls";

SAS数据集里面默认自带的变量:

        _N_   表示SAS在data step里面循环的次数，该次数不一定的观测数；

        _ERROR_   表示每行观测是否存在错误，存在错误为取值为1，不存在错误取值为0

         FIRSR.VARIABLE 和LAST.VARIABLE  当存在by variable 语句时才可使用，在每个分组内当该变量的取值是第一次出现的观测标记1，其余标记0；或者末次出现标记1，其余标记0；

数据如下：

SAS程序如下：

        data ordered ;

                set walkers;

                places=_N_;

        proc  print data=ordered;

                title “Results of Walk”;

        run;

结果如下：

        proc sort data=ordered;

                by agegroup time;

         data winners;

                set ordered;

                by agegroup time;

                if first.agegroup=1;

        proc print data=winners;

                title "Winners in  Each Age Group";

        run;

结果如下：