SAS频数统计

当一位数据分析师拿到一份崭新的数据时，他要做的第一件事很可能是了解其中关键指标的分布情况。频数统计是应对这一情况的最基本的分析工具。分析师通过创建频数统计表，获知某项指标各个或各段值所占的百分比，达到快速了解数据概况的目的。在数据量较少的情况下，强大的Excel可以以多种方式满足分析师的需求。但如果数据量达到百万级，则需要使用更为强大的分析工具。在本文中，我们介绍SAS的频数统计功能，这一功能是通过freq过程步实现的。

Freq过程步是SAS Base的一个古老的程序，它可以创建一维至n维的频数分布表和交叉表。Freq过程步的语法格式如下：

PROC FREQ < options > ;  BY variables ;  EXACT statistic-options < / computation-options > ;  OUTPUT < OUT=SAS-data-set > options ;  TABLES requests < / options > ;  TEST options ;  WEIGHT variable < / option > ;

本文将介绍Freq过程步的应用方法。在介绍之前，需要准备好测试数据。我们从互联网上找了一批数据形成一张表，数据的内容是国内股票市场各只股票的若干财务数据，字段如下：

列名	中文名
StockCode	股票代码
StockName	股票名称
Source	来源板块
EPS	每股收益（元）
EPS_YOY	每股收益同比（%）
NAPS	每股净资产（元）
ROE	净资产收益率（%）
CFPS	每股现金流量（元）
NP	净利润（万元）

该表共有2472条观测（记录），数据下载地址：http://pan.baidu.com/share/link?shareid=134615&uk=1258687326

构建程序初始环境：

data _null_;
workspace = "D:\SASWorkspace\练习";*工作区根目录;
call symput("workspace", workspace);
run;
libname Practice "&workspace.\中间数据\";

然后把原始数据上传到Practice逻辑库中，并命名为MainIndex_2012sea3。

*为了不破坏原始数据，把表copy到work逻辑库中;
data Work.MainIndex_2012sea3;
set Practice.MainIndex_2012sea3;
run;

先来看一段最简单的代码：

proc freq data = Work.MainIndex_2012sea3;
run;

在这个程序中，freq过程步将为每个变量都创建一张一维频数分布表，每张表都统计了观测的频数、百分比、累积频数和累积百分比。比如，对于变量Source，输出的表格如下：