标题有些噱头，不过这里的重点是: speak SAS in 7days。也就是说，知识是现成的，我这里只是要学会如何讲这门语言，而不是如何边学SAS边学模型。顺便发现我最近喜欢写连载了，自从西藏回来后…..
之所以下定决定学SAS，是因为周围的人都在用SAS。为了和同事的沟通更有效率，还是多学一门语言吧。R再灵活，毕竟还是只有少数人能直接读懂。理论上语言是不应该成为障碍的~就像外语一样，多学一点总是好的，至少出门不发怵是不是？
最后一根稻草则是施老师传给我的一个link：http://blog.softwareadvice.com/articles/bi/3-career-secrets-for-data-scientists-1101712/，据说有数据分析师的职业秘笈…我就忍不住去看了看。其中一句话还是蛮有启发的：
如果有人问你要学什么工具，是SAS，R，EXCEL，SQL，SPSS还是？直接回答：所有。
这个答案一方面霸气，一方面也是，何必被工具束缚呢？
这东西宜突击不宜拖延，所以还是集中搞定吧。七天应该是个不错的时间段。
大致分配如下：1. 熟悉SAS的数据结构，如基本的向量，数据集，数组；熟悉基本的数据类型，如文本，数字。2. 熟悉基本的数据输入与输出。3. 熟悉基本的逻辑语句：循环，判断4. 熟悉基本的数据操作：筛选行列，筛选或计算变量，合并数据集，计算基本统计量，转置5. 熟悉基本的文本操作函数6. 熟悉基本的计量模型函数7. 熟悉基本的macro编写，局部变量与全局变量
其实这大概也是按照我常用的R里面完成的任务来罗列的。基本计划是完成就可以大致了解SAS的语法了，其他的高级功能现用现学吧。
书籍方面，中文的抢了同事的一本《SAS编程与数据挖掘商业案例》，英文的找了一本「Applied Econometrics Using The SASSystem」和「The Little SAS Book」，先这么看着吧。
后知后觉的补充：其实这一系列笔记都是先写再发布的，主要是方便我调整顺序什么的。事实证明绝大多数时间我在看（或者更直接的，抄）「The Little SAS Book」这本书，姚老师的《SAS编程与数据挖掘商业案例》简单看了一晚，作为对于SAS语法的预热。最后那本「Applied Econometrics Using The SAS System」更多是看具体模型的用法了，不是熟悉语法的问题了。例子都是第一本little book上的，很好用。
——-笔记开始——-
SAS的数据类型
首先，sas的编程大概就两块：Data和PROC，这个倒是蛮清晰的划分。然后目前关注data部分。
SAS的数据类型还真的只有两种：数字和文本。那么看来日期就要存成文本型了。变量名称后面加$代表文本型。
SAS的数据读入
手动输入这种就不考虑了，先是怎么从本地文件读入。比如我们有文本文件如下：
|
1 2 3 4 5 6 |
Lucky 2.3 1.9 . 3.0 Spot 4.6 2.5 3.1 .5 Tubs 7.1 . . 3.8 Hop 4.5 3.2 1.9 2.6 Noisy 3.8 1.3 1.8 1.5 Winner 5.7 . . . |
然后SAS里面就可以用
|
1 2 3 4 5 6 7 8 9 10 |
* Create a SAS data set named toads; * Read the data file ToadJump.dat using list input; DATA toads; INFILE ’c:MyRawDataToadJump.dat’; INPUT ToadName $ Weight Jump1 Jump2 Jump3; RUN; * Print the data to make sure the file was read correctly; PROC PRINT DATA = toads; TITLE ’SAS Data Set Toads’; RUN; |
这样就建立了一个名为toads的临时数据集，然后读入外部文件ToadJump.dat，然后告诉SAS有四个变量，其中第一个是文本型。这样就OK了。缺失值用一个点.标记。
偶尔数据没那么规范，比如长成：
|
1 2 3 4 5 |
—-+—-1—-+—-2—-+—-3—-+—-4 Columbia Peaches 35 67 1 10 2 1 Plains Peanuts 210 2 5 0 2 Gilroy Garlics 151035 12 11 7 6 Sacramento Tomatoes 124 85 15 4 9 1 |
那么就要有点类似正则表达式的感觉，告诉SAS更多的参数：
|
1 2 3 4 5 6 7 8 9 10 11 |
* Create a SAS data set named sales; * Read the data file OnionRing.dat using column input; DATA sales; INFILE ’c:MyRawDataOnionRing.dat’; INPUT VisitingTeam $ 1-20 ConcessionSales 21-24 BleacherSales 25-28 OurHits 29-31 TheirHits 32-34 OurRuns 35-37 TheirRuns 38-40; RUN; * Print the data to make sure the file was read correctly; PROC PRINT DATA = sales; TITLE ’SAS Data Set Sales’; RUN; |
这样SAS就可以正确的读数据了—类似于excel的导入文本–固定宽度分隔。
再不规则的话，比如有日期型的：
|
1 2 3 4 5 6 |
Alicia Grossman 13 c 10-28-2008 7.8 6.5 7.2 8.0 7.9 Matthew Lee 9 D 10-30-2008 6.5 5.9 6.8 6.0 8.1 Elizabeth Garcia 10 C 10-29-2008 8.9 7.9 8.5 9.0 8.8 Lori Newcombe 6 D 10-30-2008 6.7 5.6 4.9 5.2 6.1 Jose Martinez 7 d 10-31-2008 8.9 9.510.0 9.7 9.0 Brian Williams 11 C 10-29-2008 7.8 8.4 8.5 7.9 8.0 |
那么接下来就是：
|
1 2 3 4 5 6 7 8 9 10 11 |
* Create a SAS data set named contest; * Read the file Pumpkin.dat using formatted input; DATA contest; INFILE ’c:MyRawDataPumpkin.dat’; INPUT Name $16. Age 3. +1 Type $1. +1 Date MMDDYY10. (Score1 Score2 Score3 Score4 Score5) (4.1); RUN; * Print the data set to make sure the file was read correctly; PROC PRINT DATA = contest; TITLE ’Pumpkin Carving Contest’; RUN; |
就是说，name是一个长度为16的字符；age是长度为3、无小数点的数字；+1跳过空列；type是长度为1的文本；date是MMDDYY长度为10的日期；score1-5是长度为4，小数部分为1位的数字。
还有若干更复杂的，可以遇到时侯回来查手册。此外还有@可用来直接指定开始读的列。鉴于我接触的数据一般比较规范，这些就不细看了。
此外SAS可以指定开始读的行数，读取的行数等。
|
1 2 3 4 |
DATA icecream; INFILE ’c:MyRawDataIceCreamSales.dat’ FIRSTOBS = 3; INPUT Flavor $ 1-9 Location BoxesSold; RUN; |
SAS读取CSV数据
以我最关心的CSV文件为例，如下数据：
|
1 2 3 4 5 |
Lupine Lights,12/3/2007,45,63,70, Awesome Octaves,12/15/2007,17,28,44,12 "Stop, Drop, and Rock-N-Roll",1/5/2008,34,62,77,91 The Silveyville Jazz Quartet,1/18/2008,38,30,42,43 Catalina Converts,1/31/2008,56,,65,34 |
只需要：
|
1 2 3 4 5 6 7 |
DATA music; INFILE ’c:MyRawDataBands.csv’ DLM = ’,’ DSD MISSOVER; INPUT BandName :$30. GigDate :MMDDYY10. EightPM NinePM TenPM ElevenPM; RUN; PROC PRINT DATA = music; TITLE ’Customers at Each Gig’; RUN; |
其实，貌似更简单的办法是：
|
1 2 3 4 5 6 7 |
DATA music; INFILE ’c:MyRawDataBands.csv’ DLM = ’,’ DSD MISSOVER; INPUT BandName :$30. GigDate :MMDDYY10. EightPM NinePM TenPM ElevenPM; RUN; PROC PRINT DATA = music; TITLE ’Customers at Each Gig’; RUN; |
好吧，import果然更直接一点…excel文件也可以如法炮制。
SAS读取excel数据
|
1 2 3 4 5 6 |
* Read an Excel spreadsheet using PROC IMPORT; PROC IMPORT DATAFILE = ‘c:MyExcelFilesOnionRing.xls’ DBMS=XLS OUT = sales; RUN; PROC PRINT DATA = sales; TITLE ‘SAS Data Set Read From Excel File’; RUN; |
如果需要SAS永久存着这些数据，则需要先指定libname：
|
1 2 3 4 5 6 |
LIBNAME plants ’c:MySASLib’; DATA plants.magnolia; INFILE ’c:MyRawDataMag.dat’; INPUT ScientificName $ 1-14 CommonName $ 16-32 MaximumHeight AgeBloom Type $ Color $; RUN; |
后期就可以直接调用啦：
|
1 2 3 4 |
LIBNAME example ’c:MySASLib’; PROC PRINT DATA = example.magnolia; TITLE ’Magnolias’; RUN; |
SAS 读取Teradata数据
最后就是从teradata里面读数据，可以利用teradata fastexport特性：
|
1 2 3 4 |
libname tra Teradata user=terauser pw=XXXXXX server=boom; proc freq data=tra.big(dbsliceparm=all); table x1-x3; run; |
等价于：
|
1 2 3 4 5 |
proc sql; connect to teradata(user=terauser password=XXXXXX server=boom dbsliceparm=all); select * from connection to teradata (select * from big); quit; |
暂时没有fastload的需求，就先这样吧。可以参见
SAS的TD手册：http://support.sas.com/resources/papers/teradata.pdf
原文始发于微信公众号（PPV课数据科学社区）：【学习】七天搞定SAS（一）：数据的导入、数据结构
原创文章，作者：ppvke，如若转载，请注明出处：http://www.ppvke.com/archives/29828
