SAS数据处理基础与实用技巧

SAS数据处理基础与实用技巧

引言

在医药行业的数据处理领域，SAS（Statistical Analysis System）是一款强大且应用广泛的工具。对于刚踏入这个行业从事数据工作的新人来说，掌握常用的SAS语句和函数是开启高效工作的关键。接下来，我将分享一些在日常工作中频繁使用的SAS知识，助力大家快速上手。

一、数据读取与导入

1. 读取外部数据文件

在医药行业，我们常常需要处理来自各种数据源的数据，如CSV、Excel文件等。

• 读取CSV文件：

data mydata;
    infile 'C:\data\medical_data.csv' delimiter=',' missover firstobs=2;
    input id patient_name $ age gender $ diagnosis $;
run;

解释：infile语句指定了数据文件的路径和分隔符，missever选项确保在读取数据时遇到不完整的行不会报错，firstobs = 2表示从第二行开始读取数据（假设第一行为表头）。input语句定义了数据集中变量的名称和类型，$表示字符型变量。

• 读取Excel文件：
  首先需要使用PROC IMPORT过程。

proc import datafile='C:\data\medical_excel.xlsx'
    out=mydata
    dbms=xlsx replace;
    sheet='Sheet1';
run;

解释：PROC IMPORT是专门用于导入外部数据的过程，datafile指定Excel文件路径，out指定输出数据集的名称，dbms=xlsx表示导入的是Excel文件，replace表示如果存在同名数据集则覆盖，sheet指定要读取的工作表名称。

2. 从数据库中读取数据

如果数据存储在数据库中，如Oracle、SQL Server等，SAS也提供了相应的连接和读取方法。

• 以连接Oracle数据库为例：

libname oradb oracle user=your_username password=your_password path=your_oracle_sid;
data mydata;
    set oradb.your_table_name;
run;

解释：libname语句创建了一个逻辑库名oradb，用于连接到Oracle数据库，指定了用户名、密码和数据库实例名（path）。然后使用set语句从数据库中的指定表中读取数据并创建新的SAS数据集。

二、数据清洗与预处理

1. 缺失值处理

在医药数据中，缺失值较为常见，需要进行合理处理。

• 检测缺失值：

proc means data=mydata nmiss;
    var age diagnosis;
run;

解释：PROC MEANS过程用于计算数据集的基本统计量，nmiss选项用于统计每个变量的缺失值数量，var语句指定要分析的变量。

• 填充缺失值：
  可以使用IF - THEN语句或COALESCE函数。

data mydata_clean;
    set mydata;
    if age=. then age = 0; /* 将缺失的年龄值设为0 */
    diagnosis = coalesce(diagnosis, 'Unknown'); /* 将缺失的诊断值设为'Unknown' */
run;

解释：IF - THEN语句直接判断并赋值，COALESCE函数返回参数列表中的第一个非缺失值，如果所有参数都缺失，则返回缺失值。

2. 重复值处理

data mydata_unique;
    set mydata;
    by id;
    if first.id then output;
run;

解释：通过BY语句按id变量进行分组，first.id是一个系统变量，当遇到每个id组的第一个观测值时为真，此时使用output语句输出该观测值，从而实现去除重复的id记录。

三、数据转换与计算

1. 变量计算

在医药数据处理中，经常需要根据已有变量计算新的变量。

data mydata_calculated;
    set mydata;
    bmi = weight / (height * height) * 703; /* 计算BMI值 */
run;

解释：根据weight（体重）和height（身高）变量计算身体质量指数（BMI），并将结果存储在新变量bmi中。

2. 数据类型转换

有时候需要将变量的数据类型进行转换，比如将字符型日期转换为数值型日期。

data mydata_date;
    set mydata;
    new_date = input(date_variable, yymmdd10.); /* 假设date_variable是字符型日期变量 */
    format new_date date9.;
run;

解释：input函数将字符型数据转换为数值型，yymmdd10.是输入格式，表示日期的格式为年 - 月 - 日，共10位字符。format语句指定输出格式，date9.表示以9位字符的日期格式显示。

四、数据查询与筛选

1. 简单条件筛选

data selected_data;
    set mydata;
    where age > 50 and diagnosis = 'Diabetes';
run;

解释：where语句用于筛选满足条件的观测值，这里筛选出年龄大于50岁且诊断为糖尿病的患者数据。

2. 复杂条件筛选与逻辑运算

data complex_selected;
    set mydata;
    where (age between 30 and 60) and (gender = 'Male' or diagnosis in ('Hypertension', 'Heart Disease'));
run;

解释：使用between表示范围，or和and进行逻辑运算，in用于指定多个可能的值。筛选出年龄在30到60岁之间，且性别为男性或者诊断为高血压或心脏病的患者数据。

五、常用函数

1. 统计函数

• 计算均值、标准差等：

proc means data=mydata mean std median;
    var age weight;
run;

解释：PROC MEANS过程可以计算多个统计量，如均值（mean）、标准差（std）、中位数（median），var语句指定要计算统计量的变量。

2. 字符函数

• 字符串截取：

data mydata_substring;
    set mydata;
    short_name = substr(patient_name, 1, 10); /* 截取患者姓名的前10个字符 */
run;

解释：substr函数用于截取字符串，第一个参数是要截取的字符串变量，第二个参数是起始位置，第三个参数是截取的长度。

• 字符串查找与替换：

data mydata_replace;
    set mydata;
    new_diagnosis = tranwrd(diagnosis, 'Diabetes', 'Diabetes Mellitus'); /* 将Diabetes替换为Diabetes Mellitus */
run;

解释：tranwrd函数用于查找并替换字符串中的指定内容，第一个参数是要操作的字符串变量，第二个参数是要查找的字符串，第三个参数是替换后的字符串。

3. 日期函数

• 计算日期差值：

data mydata_datediff;
    set mydata;
    days_diff = intck('day', admission_date, discharge_date); /* 计算入院日期和出院日期之间的天数差 */
run;

解释：intck函数用于计算两个日期之间的间隔，第一个参数指定间隔的单位（这里是’ day’表示天），第二个参数是起始日期，第三个参数是结束日期。

六、数据输出与报告

1. 数据输出到外部文件

• 输出为CSV文件：

proc export data=mydata
    outfile='C:\output\processed_data.csv'
    dbms=csv replace;
run;

解释：PROC EXPORT过程用于将SAS数据集输出到外部文件，data指定要输出的数据集，outfile指定输出文件路径，dbms=csv表示输出为CSV文件，replace表示如果文件已存在则覆盖。

2. 生成报表

proc report data=mydata;
    columns id patient_name age diagnosis;
    define id / display;
    define patient_name / display;
    define age / display;
    define diagnosis / display;
run;

解释：PROC REPORT过程用于生成报表，columns语句指定报表中要显示的变量，define语句定义每个变量在报表中的显示属性。

七、总结

以上就是SAS数据工作者在医药行业数据处理工作初期常用的一些SAS语句和函数。当然，SAS的功能远不止于此，随着工作的深入和数据处理需求的增加，大家还会接触到更多高级的功能和技巧。希望这些基础内容能帮助新人们快速入门，在医药数据处理的道路上迈出坚实的第一步。在实际工作中，要多实践、多思考，不断积累经验，逐步提升自己的数据处理能力。