SAS 选取部分观测

SAS  对部分观测得处理

在建立新数据集时，有以下两种方式可以从已经存在的数据集中选取观测到新数据集中。

　　·通过删除不满足条件的观测来保留想要的观测。

　　·仅接受满足条件的观测。

条件可以由IF语句、WHERE语句或数据集选项WHERE=中的条件表达式来指定。WHERE语句和数据集选项WHERE=可以用在DATA步 和PROC步中，两者的使用方法基本相同。

1.使用DELETE语句删除满足条件的观测

在DATA步中可以结合使用IF语句和DELETE语句来删除满足条件 的观测，其基本形式如下：

IF  条件表达式  THEN  DELETE;

在该过程中，SAS首先判断条件表达式是否为真。如果为真，则执 行THEN从句中的DELTET语句。DELETE语句会让SAS立即返回DATA 步的开始处读取下一条观测，当前观测不会写入输出数据集中。注意， DELETE语句不会删除输入数据集中的观测。

在数据集saslib.contact中选取地址信息（Address）不为缺失 值的观测建立新数据集work.contact_address。

已经存在的数据集saslib.contact中包含客户联系信息，内容如图所示。

在DATA步中IF语句用于判断Address信息是否为缺失值，DELETE语句则可将Address为缺失值的观测删除。代码如下：

data  work.contact_address;
set  saslib.contact;
if address  =  ""   then  delete;
run;
proc  print  data=work.contact_address;
run;

PRINT过程打印的数据集work.contact_address如图3.5所示。其中不 包含编号（Customer_ID）为C004的客户信息，因为其地址信息为缺失 值。

2.使用取子集的IF语句接受满足条件的观测

选择满足条件的观测另一种方式是直接选取满足条件的观测，即使 用取子集的IF语句（Subsetting IF），其基本形式如下：

IF  条件表达式;

当条件表达式的值为真时，继续处理该观测；否则停止处理该观测 并返回DATA步开始处读取下一条观测，且该观测不会写入输出数据 集。该IF语句称为选取子集的IF语句，是因为所产生的输出数据集是原 始数据集的子集。

选取数据集saslib.contact中其职位（Position）为Manager的 观测，建立新数据集work.contact_manager，并打印新生成的数据集中的数据。

代码如下：

data  work.contact_manager;
set  saslib.contact;
if position  =  "Manager";
run;
proc  print  data=work.contact_manager  noobs;
run;

DELETE语句和取子集的IF语句得选择主要依据：

　　·由于DELETE语句和取子集的IF语句需要构造的条件表达式不同， 因此在编写程序的时候，通常选择需要较少比较次数的条件表达式的语句，因为这会提高程序执行效率。

　　·在比较次数相近时，通常选择正向的条件表达式，也就是说选择 取子集的IF语句。

　　·当数据中存在缺失值或可能有拼写错误的数据值时，使用取子集 的IF语句也更容易产生需要的结果。

3. 使用OUTPUT语句建立多个数据集

结合条件语句和OUTPUT语句可以在一个DATA步中创建多个SAS数据集，以便分别包含输入数据集的不同观测。使用OUTPUT语句的基本形式如下：

OUTPUT  <数据集>;

OUTPUT语句将当前观测写入指定数据集。其数据集必须为在 DATA语句中出现的数据集。当未指定数据集时，SAS会将当前观测写入DATA语句的所有数据集中。

选取在数据集saslib.contact中选取职位（Position）为 Manager的观测，建立新数据集work.contact_manager，对其他职位的观 测建立新的数据集work.contact_others。

代码如下：

data  work.contact_manager work.contact_others;
set  saslib.contact;
if position  =  "Manager"  then  output  work.contact_manager;
else  output  work.contact_others;
run;
proc  print  data=work.contact_manager  noobs;
title  "Postion  is Manager";
run;
proc  print  data=work.contact_others  noobs;
title  "Postition  is not  Manager";
run;

　　如果在DATA步中不使用任何OUTPUT语句，在每次迭代结束时会自动将观测写入DATA语句指定的所有数据集中。但是，如果在DATA 步中使用了OUTPUT语句，每次迭代结束时就不会自动将观测写入任何 数据集。因此，一旦在程序使用了OUTPUT语句，则必须为所有需要写 入数据集的观测使用OUTPUT语句。此外，还需要注意的是，如果在 OUTPUT语句之后进行计算，生成或改变的变量值也不会写入输出数据集。

　　在saslib.contact中选取职位（Position）为Manager的观测输 出到数据集work.contact_manager中，并将年龄（Age）大于等于35的联 系人的观测输出到数据集work.contact_agege35中。代码如下：

data  work.contact_manager work.contact_agege35;
set  saslib.contact;
if position  =  "Manager"  then  output  work.contact_manager;
if age >=     then  output  work.contact_agege35;
run;
proc  print  data=work.contact_manager  noobs;
title  "Position  is Manager";
run;
proc  print  data=work.contact_agege35  noobs;
title  "Age  is older  than  35";
run;

　　PRINT语句打印的两个数据集内容如图3.8所示。其中Customer_ID 为C001的观测同时存在于两个数据集work.contact_manager和 work.contact_agege35中，因为其同时满足两个IF语句的条件。

4  操作所选取的观测

　　除了将满足条件的观测值直接写入结果数据集外，在DATA步中还 可以操作满足条件的观测中的变量值，例如修改变量名字以及生成新变量等。

4.1   IF-THEN/ELSE语句

SAS选取观测进行操作时，最常用的方式是通过IF-THEN/ELSE语句。其基本形式如下：

IF  条件表达式  THEN  可执行语句;
<ELSE  可执行语句;>

其中：

• ·条件表达式是一个或多个SAS表达式，通常为由比较操作符和操作 数组成的表达式。
• ·SAS会对条件表达式的求值，结果为真（true）时，执行THEN从 句中的可执行语句；条件表达式的值为假（false）时，SAS忽略THEN 从句。可执行语句必须是在DATA步的单次迭代中可以执行的SAS语 句。最常用的可执行语句是赋值语句。
• ·ELSE从句提供对该观测的可选操作。当条件表达式为真（true） 时忽略该从句；为假（false）时，执行ELSE从句中指定的语句。ELSE 从句可以不存在，如果存在则必须紧跟在对应的IF-THEN语句之后。

在saslib.inventory中包含了产品在各地区的库存和价格信 息。公司现决定将每种产品在北京的销售价格提高20%，其他地区保持 不变。

代码如下：

data  work.Inventory2;
set  saslib.Inventory;
if Region="BJ"  then  Price=Price*1.2;
run;
proc  print  data=work.Inventory2  noobs;
run;

公司决定将每种产品在北京的销售价格提高20%，其他地区 销售价格提高10%。这时可使用ELSE从句，代码如下：

data  work.Inventory3;
set  saslib.Inventory  ;
if Region="BJ"  then Price=Price*1.2;
else  Price=Price*1.1;
run;
proc  print  data=work.Inventory3  noobs;
run;

4.2 赋值语句

赋值语句是可执行语句，常用于对变量进行赋值。其基本形式为：

变量=表达式;

其中：

• ·变量是已经存在的变量或新变量，可以是单个变量名、数组引用 或左侧的SUBSTR函数（即SUBSTR函数出现在赋值操作符左侧）等。 若变量已经存在，赋值语句会修改该变量的值；如果变量不存在，赋值 语句会创建新变量。
• ·表达式是任何SAS表达式。

赋值语句用于对等号（=）右侧的表达式求值，并将结果存储在等 号（=）左侧的变量中。表达式中可包含出现在等号左侧的变量。这 时，变量的原始值用于对表达式求值，并且结果存储在等号左侧的变量 中。

在例3.8中，使用了赋值语句（Price=Price*1.2；）提高产品价格。 在处理第一条观测时，输入数据集中的Price值为125，对表达式 Price*1.2求值，结果为150，因为左侧变量为Price，所以结果仍然存储 在Price中。因此，输出数据集中Price的值为150。

4.3 DO语句

DO语句也是可执行语句。通过DO语句可以将一组可执行语句指定 为一个单元来执行。DO语句的基本形式如下：

DO;
…可执行语句组…;
END;

在DO语句和END语句之间的语句称为DO组（DO Group）。DO语 句也可以嵌套DO语句。在IF-THEN/ELSE语句中，简单的DO语句通常 用于根据IF条件是否为真来指定要执行的一组可执行语句。

例：基于数据集saslib.Inventory中的数据，将每种产品在北京的销售价格提高20%，库存增加1倍，其他地区的销售价格提高10%，库存 增加50%。

这时在IF语句THEN从句和ELSE从句中使用DO语句，代码如下：

data  work.Inventory4;
set  saslib.Inventory;
if Region="BJ"  then do;
Price=Price*1.2; 
Instock=Instock*;
end;
else do;
Price=Price*1.1; 
Instock=Instock*1.5;
end;
run;
proc  print  data=work.Inventory4  noobs;
run;

PRINT过程打印价格所生成的数据集内容如图所示。

4.4.嵌套IF-THEN/ELSE语句

一条IF-THEN/ELSE语句可根据条件提供两种不同的可选操作。很多时候需要根据一系列互斥的条件执行不同的操作，这时可使用嵌套的 IF-THEN/ELSE语句。两层嵌套的IF-THEN/ELSE语句的基本形式如下：

IF  条件表达式1  THEN  可执行语句1;
ELSE  IF条件表达式2 THEN可执行语句2;
ELSE可执行语句3;

其执行过程如下：

1）SAS计算条件表达式1的值。

2）当条件表达式1的结果为真时，SAS执行可执行语句1，并忽略 紧跟其后的ELSE从句，包括嵌套的IF-THEN/ELSE语句。所有执行过程 完成。

3）当条件表达式1的结果为假时，忽略紧跟其后的THEN从句，并 进行下一步。

4）判断SAS条件表达式2的值。

5）当条件表达式2的结果为真时，SAS执行可执行语句2，并忽略紧跟其后的ELSE。所有执行过程完成。

6）当条件表达式1的结果为假时，忽略紧跟其后的THEN从句，SAS执行可执行语句3。所有执行过程完成。

基于数据集saslib.Inventory中的数据，公司决定将每种产品 在北京的销售价格提高20%，在上海的销售价格提高15%，其他地区的 销售价格提高10%。

data  work.Inventory5;
set  saslib.Inventory;
if Region="BJ"  then
Price=Price*1.2;
else  if Region="SH"  then
Price=Price*1.15;
else
Price=Price*1.1;
run;
proc  print  data=work.Inventory5  noobs;
run;

4.5  SELECT语句

还可以通过SELECT语句构造不同的条件来操作观测。SELECT语 句的基本形式如下：

SELECT  <select-表达式>;
WHEN  when-表达式  可执行语句;
<…WHEN  when-表达式  可执行语句;  >
<OTHERWISE  可执行语句;>
END;

• ·select-表达式指定计算单个值的SAS表达式。
• ·when-表达式为任意SAS表达式。在SELECT语句和END语句之间的语句称为SELECT组。SELECT组中要求至少有一条WHEN语句，而WHEN语句中要求至少有一个when-表达式。when-表达式为真时，执行 跟随其后的可执行语句；否则，忽略其后可执行语句。
• ·可执行语句可以是任何可执行的SAS语句，包括赋值语句、DO语 句、SELECT语句或空语句等。空语句用于WHEN语句中时，SAS会认 为该条件为真，但是不做任何操作。
• ·OTHERWISE从句中指定当所有的WHEN条件都不满足时需要执行 的语句。

将公司每种产品在北京的销售价格提高20%，在上海的销售价格提高15%，其他地区的销售价格提高10%。 使用SELECT语句的代码如下：

data  work.Inventory6;
set  saslib.Inventory;
select  (Region);
when  ("BJ")  Price=Price*1.2;
when  ("SH")  Price=Price*1.15; 
otherwise  Price=Price*1.1;
end;
run;
proc  print  data=work.Inventory6  noobs;
run;