《SAS编程与数据挖掘商业案例》学习笔记之十

继续之前的读书笔记，本次讲解sas主要的变量操作，包括基本赋值语句、累加语句、keep语句、retain语句、array语句、rename语句、length语句。

1.基本赋值语句

z=x y;

z=sum(x,y);  sum函数的好处是可以克服缺失值的影响；

 

2.如果表达式中既有数值型变量又有字符型变量的话，则会将字符型变量转化为数值型变量

3.系统在编译阶段，对于赋值语句变量，如果是字符型变量则长度为1，如果是数值型变量则长度为8，接下来，系统将执行赋值语句，这时变量长度将由第一次读入的表达式的运算结果决定。一旦第一次读入确定长度之后，下一次pdv无论读入多长的数据，都不会改变变量的长度。除非提前用length语句限定变量的长度。

 

4.累加语句

x 1,x (-1)都是累加语句，其中x必须是数值型变量，在编译阶段，pdv自动设置累加变量值为0，它的值从当前执行后一直保留在pdv中，直到下一次执行为止。

在项目实践中，一般用retain语句替代累加语句，因为retain语句可以初始化累加变量为一个非零值，而累积语句初始值只能为0.

 

5.keep语句（keep语句不是可执行语句）

Data a3;

  set sashelp.class(keep=name weight);

  x=1;

  keep name x;

Run;

 

Data a4(keep=name x);

    set sashelp.class(keep=name weight);

    x=1;

Run;

以上两个程序输出结果一样，

但是对于读入数据集时，keep=的形式性能要远高于keep的形式，因为keep=的形式是仅限后面的变量进入pdv，对于拥有几百个变量的数据集而言，keep=效率要高；

不过对于数据输出方面，keep=与keep性能没有区别；上面两个语句性能完全一样。

6.retain语句（不是一个可执行语句）

pdv运行规律：data语句与run语句构成了一个循环语句，一般情况下每读一遍data步所有语句时，pdv都会清空所有变量值，并设置为缺失值。然后根据执行语句，再次对变量进行赋值。当data步使用retain语句时，pdv则不会清空retain语句对应变量，而是一直保留直到下次该变量再次执行。

retain语句在data步中有着广泛的应用，对于数据集的操作可以到单元格，而一般函数只能操作到列，实际应用中retain会使程序更加灵活化。可以控制一个变量的值不变，除非有外部的条件的变化而变化。

retain语句主要实现以下需求：

汇总数据，累加变量，纵向比较变量，创建flag标识变量，处理缺失值，迭代累加字符变量值。

Eg:关于汇总数据的一个例子（按照每个id，汇总cns的值，汇总id的记录数，如果txn_cde变量取101和201两个值，则累加计算一次，计算txn_dte的最小值，）

libname chapt4 "f:\data_model\book_data\chapt4";

data chapt4.retain1;

input id txn_cde$ cns txn_dte$;

cards;

10 101 10 20070101

10 101 20 20080402

10 201 30 20050203

20 101 40 20040105

20 201 50 20040105

20 301 60 20070806

20 201 70 20050607