DATA步中PDV(Program Data Vector)

目录

一、编译阶段

1、扫描SAS语句、语法检查、变量标识

2、创建输入缓冲区

3、创建程序数据向量

4、创建数据集描述符信息

二、运行阶段

1、运行步骤

2、读Raw data时，以下情况不会置为缺失值

三、如何测试程序

---

SAS中DATA步运行包含两个阶段： 编译阶段、运行阶段

一、编译阶段

1、扫描SAS语句、语法检查、变量标识（名称、类型、长度等）

1. 关键字和变量拼写错误、标点符号缺失、引号不匹配、选项无效等。
2. SAS语法错误有两大类
   ERROR(红色)————需要修正后，才能正常执行。举例：指定了不存在的数据集
   WARNING(绿色)———代码依然能正常运行。

2、创建输入缓冲区(Input butter,IB)---->从Raw data读取数据时才创建。

DATA中Input语句中从Raw Data中读取数据时，才会创建缓冲区；如果使用set语句读取SAS数据集时，则将数据直接复制到PDV中，而不创建缓冲区。

3、创建程序数据向量(Program Data Vector,PDV)

1. 存放内容：数据集的变量、计算列信息。
2. DATA步每读入一行记录，就存入PDV中，数据来自于缓冲区IB或SAS执行语句。
3. 自动变量(不会写入数据集)：
   _N_：从1开始，每执行一次DATA步就加一。
   _ERROR_：
                    0---表示没有错误，默认值。
                    1---表示有1个或多个错误。
4. DATA步执行一次，就读取一行外部文件，除非使用其他特殊语句

4、创建数据集描述符信息(Descriptor Information,DI)

包括数据集属性和变量属性。

比如：数据集名字、成员类型、创建日期、创建时间、观测数、变量名称、类型（字符型/数值型）等。

二、运行阶段

1、运行步骤

1. DATA步每执行一个周期，称作一个循环，所以在data步中的变量顺序，就是数据集中的变量顺序，一次执行时，PDV中的内部变量初始化：_N_=1、_ERROR_=0；
2. 每次循环_N_自动加1。SAS会将以INPUT语句和赋值语句创建的变量初始化为缺失值；而以SET、MERGE、MODIFY或UPDATE语句读取的变量会保留上次读取PDV的变量值，直到被新读取的观测覆盖。
3. input语句从infile语句中定义的文件中读取一条记录，并写入PDV中
4. 判断是否读入结束：如果没有读入结束→5、6，如果读入结束→7
5. 执行其他语句（赋值语句，计算语句，更新语句等）
6. 每次DATA步结尾的时候，隐含的SAS语句（OUTPUT、RETURN、RESET）被自动触发。PDV中的变量会作为一个观测写入SAS数据集，然后回到data步的顶端。
7. 编译执行下一个DATA步或PROC步
8. 并生成SAS log，记录raw data中的数据全部读取完成，读取了数据集的观测数和变量数。
9. 编译时PDV的变化依次如下图：
   图片来源：碧水幽幽泉的博客
   

2、读Raw data时，以下情况不会置为缺失值：

1. 在Retain语句中的变量
2. 在SUM语句中创建的变量
3. 数组中的成员变量
4. 在FILE or INFILE语句中创建的变量
5. 自动变量

三、如何测试程序：

1. 写一个空数据集：DATA NULL；
   如果外部文件特别大，创建数据集会很耗时间，可以用这种方法看一下语法对不对
2. 减少观测数
3. 使用put语句：
   字符串---用引号引起来
   数据集中的变量
   自动变量：_N_,_ERROR_,_ALL_
   条件处理语句