SAS数据清洗和加工

1.数据合并

1）利用set语句进行纵向合并，用法格式为：

data 数据集；

set 数据集1（数据集选项）数据集2（数据集选项）…；

run;

数据集选项：set 数据集1（in=临时变量1）set数据集2（in=临时变量2）…；

                      set数据集1（rename=（原名1=新名1…）） 数据集2（rename=（原名1=新名1…））…；

 

查看变量属性：proc contents data=b；

复制数据集：set b；新建的b数据集会覆盖原来的b数据集。

data语句的作用是创建新的空白数据集，而不是打开数据集。

2）利用merge语句进行横向合并

data 数据集；

merge 数据集1 数据集2…；

by 变量1 变量2 …；

run；

data ab;
merge ab1 ab2;
by id;              /*指定按id变量连接两个数据集*/
drop a2 b2;         /*删除变量a2和b2*/
proc print;
run;

在利用by语句进行横向合并时，如果两个数据集事先没有按id排序，一定要先分别对它们都排序才能合并。 排序在SAS中可通过proc sort过程实现。

利用in=选项生成两个数据集的交集；

data ab;
merge ab1(in=d1) ab2(in=d2);
by id;
if d1=1 and d2=1;
proc print;
run;

2.数据对比

proc compare 基本格式如下：

proc compare <base=数据集 compare=数据集> <nosummary> <transpose>;

by 变量1 变量2 …；

id变量1 比纳凉2…；

run；

< >中的内容表示可选项，表示该选项可写可不写，根据实际需要而定。

base 和compare分别指定两个比较和被比较的数据集，nosummary的作用是不显示一些概括性的结果，transpose的作用是安吉路显示不一致的结果，如果不能指定该选项，默认的是按变量显示不一致的结果，具体按哪个顺序显示取决于你的爱好和目的。

3.数据清洗

1）查找和删除重复值

proc sort，基本格式如下：

proc sort <data=数据集> <out=数据集> <nouniquekey> <nodupkey>;

by <descending> 变量1 <descending> 变量2 …；

run;

out=数据集的意思是把排序后的数据输出到指定数据集中，如果不加该选项，排序后的数据集将覆盖原有数据集，这样原数据就无法找回。nouniquekey选项的作用是输出重复值，nodupkey选项的作用是删除重复值，也就是输出唯一值。descending选项的作用是按降序排序，如果不加该选项，默认的是按升序排序。

proc sort其实是个排序过程，如果没有nouniquekey和nodupkey这两个选项，它的作用就是实现对某变量的排序。

proc sort data=sasuser.xb nouniquekey out=rep;
by name gender;
proc print data=rep;
run;

2.查找缺失值

对多个变量执行完全相同的操作，可以考虑数组执行这些操作，可以大幅提高效率。

数组的一般形式：
array 数组名[下标] <$> <数组元素> <(元素初始值)>；

下标指定数组中包含的元素个数，这里的元素一般就是变量。