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。

SAS数据清洗和加工相关推荐

#SAS学习-数据加工处理-中
上篇文章讲了一部分SAS处理数据的函数,由于函数实在太多,所以我就大概计划分3篇文章进行叙述,现在这个是第2篇~这篇主要集中在过程步的函数讲解~ 1)SAS过程步常用语句大部分过程步都有一个必须的语 ...
Python相关机器学习‘武器库’
https://www.cnblogs.com/DicksonJYL/p/9569197.html 开始学习Python,之后渐渐成为我学习工作中的第一辅助脚本语言,虽然开发语言是Java,但平时的很 ...
利用 Python 分析了某化妆品企业的销售情况，我得出的结论是？
作者:Cherich_sun 来源:公众号「杰哥的IT之旅」ID:Jake_Internet [导语]本篇文章是关于某化妆品企业的销售分析.从分析思路思路开始带大家一步步的用python进行分析,找出 ...
想进美团不知道选哪个技术岗位？这里有一份通关秘籍！
春暖花开,美团春招已经启动,针对校招和社招开放了几千个职位,其中很大部分都是技术岗位. 随着互联网的高速发展,技术岗位在不断地细分,比如软件开发不仅分为前端和后端,前端会分为Web.iOS和Andro ...
出发a标签_以用户标签为例，复盘B端产品的需求挖掘方法论
阅读指南受众人群:B端初级产品经理阅读收获: B端产品需求挖掘的一些技巧: 了解用户标签/画像的一些业务知识. 手上负责一个和数据方面有关的B端系统,在日常的产品规划当中,没有关于"用户 ...
成本管控难题怎么破？BI大神带你一步步拆解分析，节省成本390万
注:本文为2021帆软BI可视化夏季挑战赛参赛作品,未经授权禁止转载. 今天给大家分享一个优质的BI可视化分析案例--<全面项目利润分析,以激励倒逼成本管控>,这份作品来自于团队" ...
徐工施维英：基于帆软搭建数字化驾驶舱，提高生产效率50%
注:本文为帆软2021数据生产力大赛"全场大奖"案例,未经授权禁止转载. 公司简介徐州徐工施维英机械有限公司(简称"徐工施维英")是徐工集团旗下.全面致力于混 ...
企业为什么要建设数据分析平台？应该怎么建？
大数据时代,几乎每一个企业都对数据分析平台趋之若鹜,尤其是在今年疫情爆发之后,更多的企业主意识到了数据所具有的的极大商业价值,以及其作为支撑企业信息智能化的无形资产. 通常来说,企业内部的运营和业务系 ...
50%企业数据治理失败！这9大要素才是成功关键
导读:企业数据治理的9个要素. 作者:用友平台与数据智能团队来源:大数据DT(ID:hzdashuju) 知名咨询公司Gartner的调研显示,在实施数据治理的企业中,有34%的企业数据治理处于良性 ...

SAS数据清洗和加工

SAS数据清洗和加工相关推荐

最新文章

热门文章