登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

静静努力

未觉池塘春草梦,阶前梧桐已秋声

 
 
 

日志

 
 

SAS中的sql应用教程  

2010-03-04 02:32:38|  分类: SAS |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |
SAS中的SQL语句完全教程之一:SQL简介与基本查询功能
 
本系列全部内容主要以《SQL Processing with the SAS System (Course Notes)》为主进行讲解,本书是在网上下载下来的,但忘了是在哪个网上下的,故不能提供下载链接了,需要的话可以发邮件向我索取,我定期邮给大家,最后声明一下所有资料仅用于学习,不得用于商业目的,否则后果自负。
 
转载请注明出处:http://blog.sina.com.cn/s/blog_5d3b177c0100cksl.html
 
1 SQL过程步介绍
1.1 SQL过程步可以实现下列功能:
查询SAS数据集、从SAS数据集中生成报表、以不同方式实现数据集合并、创建或删除SAS数据集、视图、索引等、更新已存在的数据集、使得SAS系统可以使用SQL语句、可以和SAS的数据步进行替换使用。注意,SQL过程步并不是用来代替SAS数据步,也不是一个客户化的报表工具,而是数据处理用到的查询工具。
 
1.2 SQL过程步的特征
SQL过程步并不需要对每一个查询进行重复、每条语句都是单独处理、不需要print过程步就能打印出查询结果、也不用sort过程步进行排序、不需要run、要quit来结束SQL过程步
 
1.3 SQL过程步语句
SELECT:查询数据表中的数据
ALTER:增加、删除或修改数据表的列
CREATE:创建一个数据表
DELETE:删除数据表中的列
DESCRIBE:列出数据表的属性
DROP:删除数据表、视图或索引
INSERT:对数据表插入数据
RESET:没用过,不知道什么意思
SELECT:选择列进行打印
UPDATE:对已存在的数据集的列的值进行修改
 
 
2 SQL基本查询功能
 
2.1 SELECT语句基本语法介绍
SELECT <DISTINCT> object-item <, ...object-item>
 FROM from-list
 <WHERE sql-expression_r>
 <GROUP BY group-by-item <, ... group-by-item>>
 <HAVING sql-expression_r>
 <ORDER BY order-by-item <, ... order-by-item>>;
这里SELECT:指定被选择的列
FROM:指定被查询的表名
WHERE:子数据集的条件
GROUP BY:将数据集通过group进行分类
HAVING:根据GROUP BY的变量得到数据子集
ORDER BY:对数据集进行排序
 
2.2 SELECT语句的特征
选择满足条件的数据、数据分组、对数据进行排序、对数据指定格式、一次最多查询32个表。这里还要提到的就是,在SAS系统中,对于表名和变量名一般不超过32个字符,对于库名,文件引用名,格式等不能超过8个字符
 
2.3 Validate关键字
Validate关键字只存在于select语句中、可以在不运行查询的情况下测试语句的语法、检查列名是否合法、对于不正确的查询将打印其消息。例:
1    proc sql;
2        validate
3        select Region, Product,Sales
4        from sashelp.shoes
5        where Region = 'Africa';
NOTE: PROC SQL 语句有有效语法。
6    quit;
此外,我们还可以用noexec选项也可以用来进行语法测试。例:
7    proc sql noexec;
8        select Region, Product,Sales
9        from sashelp.shoes
10       where Region = 'Africa';
NOTE: 由于 NOEXEC 选项,未执行语句。
11   quit;
这里提示未执行,未提示错误,说明该语句没有语法错误。但是如果加入一个sashelp.shoes表里没有字段,这里就会出现错误,例:
12   proc sql noexec;
13       select Region, Product,Sales,test
14       from sashelp.shoes
15       where Region = 'Africa';
ERROR: 以下这些列在起作用的表中没有找到: test.
16   quit;
 
2.4 查询列
我们可以像2.3那样查询指定列,也可以用*来查询所有列。例:
proc sql;
       select *
       from sashelp.shoes;
quit;
这里我们可以用feedback选项来查看到底我们选择了哪些列:
17   proc sql feedback;
18       select *
19       from sashelp.shoes;
NOTE: Statement transforms to:
        select SHOES.Region, SHOES.Product, SHOES.Subsidiary, SHOES.Stores, SHOES.Sales, SHOES.Inventory, SHOES.Returns
          from SASHELP.SHOES;
20   quit;
这时,我们可以看到从sashelp.shoes表中选择了8个列
 
2.5 消除重复值
我们可以用distinct选项来消除重复值。例如,我们要得到没有重复的所有地区的名称:
proc sql;
    select distinct Region
    from sashelp.shoes
quit;

 
2.6 where子集查询
2.6.1 比较运算符
先列出where语句用到的比较运算符:
LT   <    小于
GT   >    大于
EQ   =    等于
LE   <=   小于或等于
GE   >=   大于或等于
NE   ^=   不等于
例如,我们要查询sales大于100000的所有数据:
proc sql;
    select *
    from sashelp.shoes
    where sales>100000;
quit;
 
2.6.2 in:只要满足in里的任意一个值,表达式即为真,例如,我们要选择Region在Africa和Eastern Europe的所有数据:
proc sql;
    select *
    from sashelp.shoes
    where Region in ('Africa','Eastern Europe');
quit;
 
2.6.3 逻辑运算符
OR     |      或
AND   &     是
NOT   ^      非
例如,选择Region在Africa和Eastern Europe,且销售额大于100000的所有数据:
proc sql;
    select *
    from sashelp.shoes
    where Region in ('Africa','Eastern Europe') and  sales>100000;
quit;
 
2.6.4 CONTAINS或?:判断某列是否包含指定字符串
例如,选择列Region包含’Afr’的数据:
proc sql;
    select *
    from sashelp.shoes
    where Region ? 'Afr';
quit;
 
2.6.5 IS NULL或IS MISSING:判断某列数据是否为空
例如,如果找出Region为空的数据:
proc sql;
    select *
    from sashelp.shoes
    where Region is missing;
quit;
注意,这里我们还可以用以下表达式对where语句进行替换。如果region为数值型变量,则可以用region=.,如果region为字符型变量,则可以用region= ‘’进行替换。
 
2.6.6 Between and:选择某一区间的数据
例如选择sales大于100000,但小于200000的所有数据:
proc sql;
    select *
    from sashelp.shoes
    where sales between 100000 and 200000;
quit;
 
2.6.7 like:判断是否能匹配某些字符
例如,选择以region以A开头的所有地区
proc sql;
    select *
    from sashelp.shoes
    where Region like 'A%';
quit;
这里注意有两类通配符,‘%’可以通配任意个任意字符,‘_’只能通配一个任意字符
 
2.6.8 =*:类似匹配
这里由于sashelp.shoes里没有符合要求的数据,所有就用书上的例子说明一下吧:
Where lastname=* ‘smith’,出来的结果可能是:smith,smythe等
 
2.7 表达式
我们可以通过已有的列进行计算来得到新的列,这时用关键词as来给新的列赋列名,例如:
proc sql;
    select Region, Product,Sales,Stores,Sales/Stores as salesperstores
    from sashelp.shoes
quit;
这时结果就会多一列salesperstores,用来得到该地区该产品每个商店的平均销售量。这里要注意的是,在创建表达式时,我们还可以在SQL里用到SAS中的除LAG和DIFF之外的所有函数。
 
这里我们还可以用表达式计算出来的结果来进行子集查询,但一定要记住用calculated关键词。例如我们要找出商店平均销售量大于5000的数据:
方法一:
proc sql;
    select Region, Product,Sales,Stores,Sales/Stores as salesperstores
    from sashelp.shoes
    where Sales/Stores>5000;
quit;
方法二:
proc sql;
    select Region, Product,Sales,Stores,Sales/Stores as salesperstores
    from sashelp.shoes
    where calculated salesperstores>5000;
quit;
 
2.8 查询结果展示
2.8.1 order by数据排序
默认的排序方式是升序,我们可以用DESC关键词来进行降序排列。例如以sales降序排列数据:
proc sql;
    select *
    from sashelp.shoes
    order by Sales DESC;
quit;
这里提示一下,我们可以用任意多列进行排序,包括表达式结果(不用calculated),但最好是选择的列。
 
2.8.2 LABEL与FORMAT
LABEL:改变输出变量名的内容
FORMAT:改变列的值的输出方式
例如,改变salesperstores的label和format
proc sql;
    select Region, Product,Sales,Stores,
    Sales/Stores as salesperstores
    label='sales per stores'
    format=dollar12.2
    from sashelp.shoes;
quit;
 
2.9 处理SQL常用函数
MEAN或AVG:均值
COUNT或N或FREQ:非缺失值个数
MAX:最大值
MIN:最小值
NMISS:缺失值个数
STD:标准差
SUM:求和
VAR:方差
 
2.9.1 求和sum
proc sql;
    select Region, Product,Sales,Stores,
    sum(Sales,Inventory,Returns) as total
    from sashelp.shoes;
quit;
 
2.9.2 求均值avg
proc sql;
    select Region, Product,Sales,Stores,
    avg(Sales) as salesavg
    from sashelp.shoes;
quit;
 
2.9.3 分组求均值group by
proc sql;
    select Region,
    avg(Sales) as salesavg
    from sashelp.shoes
    group by Region;
quit;
 
2.9.4 计数count
proc sql;
    select Region,count(*) as count
    from sashelp.shoes
    group by Region;
quit;
 
2.9.5 HAVING数据子集
proc sql;
    select Region,count(*) as count
    from sashelp.shoes
    group by Region
    having count(*)>50;
quit;
其它的就不多作介绍了,多用用就熟悉了
 
2.10子查询
2.10.1 找出regions平均sales大于全部平均sales的region
proc sql;
    select Region,
    avg(Sales) as salesavg
    from sashelp.shoes
    group by Region
    having avg(Sales)>
    (select avg(Sales) from sashelp.shoes);
quit;
 
2.10.2 ANY关键词介绍
>ANY(20,30,40)   最终效果:>20
<ANY(20,30,40)   最终效果:<40
=ANY(20,30,40)   最终效果:=20 or =30 or =40
例如,选择出region为united state的sales小于任意region为africa的sales的数据
proc sql;
    select Region,Sales
    from sashelp.shoes
    where Region='United States'
    and Sales<any
    (select Sales from sashelp.shoes where Region='Africa');
quit;
这个例子没有多少意义,只是说明一下any的用法
 
2.10.3 ALL关键词介绍
>ALL (20,30,40)   最终效果:>40
<ALL (20,30,40)   最终效果:<20
例如,选择出region为united state的sales小于所有region为africa的sales的数据
proc sql;
    select Region,Sales
    from sashelp.shoes
    where Region='United States'
    and Sales<all
    (select Sales from sashelp.shoes where Region='Africa');
quit;
 
2.10.4 EXISTS与NOT EXISTS
proc sql;
    select *
    from sashelp.shoes
    where   exists
    (select * from sashelp.orsales);
quit;

SAS中的SQL语句完全教程之二:数据合并与建表、建视图索引等
 
本系列全部内容主要以《SQL Processing with the SAS System (Course Notes)》为主进行讲解,本书是在网上下载下来的,但忘了是在哪个网上下的,故不能提供下载链接了,需要的话可以发邮件向我索取,我定期邮给大家,最后声明一下所有资料仅用于学习,不得用于商业目的,否则后果自负。
 
转载请注明出处:http://blog.sina.com.cn/s/blog_5d3b177c0100cm1t.html
 
1 连接joins分为内连接inner joins和外连接outer joins
内连接:仅返回匹配的数据,最多可以有32个表同时进行内连接
外连接:返回所有匹配的数据和非匹配的数据,一次只能有两个表或视图进行外连接
迪卡尔积:返回表内所有可能的匹配情况。例如表A有10*20的数据,表B有30*40的数据,则两个表的迪卡尔积有(10+30)*(20+40)=40*60的数据
 
我们先建立两个数据集:
 
data march;
   input flight $3. +5 date date7. +3 depart time5. +2 orig $3.
         +3 dest $3.  +7 miles +6 boarded +6 capacity;
   format date date7. depart time5.;
   informat date date7. depart time5.;
   cards;
219     01MAR94    9:31  LGA   LON       3442       198       250
622     01MAR94   12:19  LGA   FRA       3857       207       250
132     01MAR94   15:35  LGA   YYZ        366       115       178
271     01MAR94   13:17  LGA   PAR       3635       138       250
302     01MAR94   20:22  LGA   WAS        229       105       180
114     02MAR94    7:10  LGA   LAX       2475       119       210
202     02MAR94   10:43  LGA   ORD        740       120       210
219     02MAR94    9:31  LGA   LON       3442       147       250
132     02MAR94   15:35  LGA   YYZ        366       106       178
202     03MAR94   10:43  LGA   ORD        740       118       210
219     03MAR94    9:31  LGA   LON       3442       197       250
622     03MAR94   12:19  LGA   FRA       3857       180       250
271     03MAR94   13:17  LGA   PAR       3635       147       250
202     04MAR94   10:43  LGA   ORD        740       148       210
219     04MAR94    9:31  LGA   LON       3442       232       250
622     04MAR94   12:19  LGA   FRA       3857       137       250
132     04MAR94   15:35  LGA   YYZ        366       117       178
271     04MAR94   13:17  LGA   PAR       3635       146       250
302     04MAR94   20:22  LGA   WAS        229       115       180
114     05MAR94    7:10  LGA   LAX       2475       117       210
202     05MAR94   10:43  LGA   ORD        740       104       210
219     05MAR94    9:31  LGA   LON       3442       160       250
622     05MAR94   12:19  LGA   FRA       3857       185       250
132     05MAR94   15:35  LGA   YYZ        366       157       178
271     05MAR94   13:17  LGA   PAR       3635       177       250
114     06MAR94    7:10  LGA   LAX       2475       128       210
202     06MAR94   10:43  LGA   ORD        740       115       210
219     06MAR94    9:31  LGA   LON       3442       163       250
132     06MAR94   15:35  LGA   YYZ        366       150       178
302     06MAR94   20:22  LGA   WAS        229        66       180
114     07MAR94    7:10  LGA   LAX       2475       160       210
132     07MAR94   15:35  LGA   YYZ        366       164       178
271     07MAR94   13:17  LGA   PAR       3635       155       250
302     07MAR94   20:22  LGA   WAS        229       135       180
;
run;
 
data delay;
   input flight $3. +5 date date7. +2 orig $3. +3 dest $3. +3
         delaycat $15. +2 destype $15. +8 delay;
   informat date date7.;
   format date date7.;
   cards;
114     01MAR94  LGA   LAX   1-10 Minutes     Domestic                8
202     01MAR94  LGA   ORD   No Delay         Domestic               -5
622     01MAR94  LGA   FRA   No Delay         International          -5
132     01MAR94  LGA   YYZ   11+ Minutes      International          14
302     01MAR94  LGA   WAS   No Delay         Domestic               -2
114     02MAR94  LGA   LAX   No Delay         Domestic                0
202     02MAR94  LGA   ORD   1-10 Minutes     Domestic                5
219     02MAR94  LGA   LON   11+ Minutes      International          18
622     02MAR94  LGA   FRA   No Delay         International           0
132     02MAR94  LGA   YYZ   1-10 Minutes     International           5
271     02MAR94  LGA   PAR   1-10 Minutes     International           4
302     02MAR94  LGA   WAS   No Delay         Domestic                0
114     03MAR94  LGA   LAX   No Delay         Domestic               -1
202     03MAR94  LGA   ORD   No Delay         Domestic               -1
219     03MAR94  LGA   LON   1-10 Minutes     International           4
622     03MAR94  LGA   FRA   No Delay         International          -2
132     03MAR94  LGA   YYZ   1-10 Minutes     International           6
271     03MAR94  LGA   PAR   1-10 Minutes     International           2
302     03MAR94  LGA   WAS   1-10 Minutes     Domestic                5
114     05MAR94  LGA   LAX   No Delay         Domestic               -2
202     06MAR94  LGA   ORD   No Delay         Domestic               -3
219     06MAR94  LGA   LON   11+ Minutes      International          27
132     06MAR94  LGA   YYZ   1-10 Minutes     International           7
302     06MAR94  LGA   WAS   1-10 Minutes     Domestic                1
622     07MAR94  LGA   FRA   11+ Minutes      International          21
132     07MAR94  LGA   YYZ   No Delay         International          -2
271     07MAR94  LGA   PAR   1-10 Minutes     International           4
302     07MAR94  LGA   WAS   No Delay         Domestic                0
;
run;
 
1.1 内连接
proc sql;
    create table innerjoins as
    select a.*,b.*
    from March a,Delay b
    where a.flight=b.flight and a.date=b.date;
quit;
 
1.2 外连接
1.2.1 左连接left join
proc sql;
    create table leftjoins as
    select *
    from March a
    left join Delay b
    on a.flight=b.flight and a.date=b.date;
quit;
 
1.2.2 右连接right join
proc sql;
    create table rightjoins as
    select *
    from March a
    right join Delay b
    on a.flight=b.flight and a.date=b.date;
quit;
 
1.2.3 全连接full join
proc sql;
    create table fulljoins as
    select *
    from March a
    full join Delay b
    on a.flight=b.flight and a.date=b.date;
quit;
 
1.3 迪卡尔积
proc sql;
    create table cartesian as
    select a.*,b.*
    from March a,Delay b;
quit;
 
这里再大概说明一下内外连接的实现的基本原理:首先生成两个数据表的迪卡尔积,然后再根据where语句来选择符合条件的数据作为输出结果。当然,在实际处理过程中,SQL过程步会对这个迪卡尔积的数据集进行优化,将其划分成小块数据进行处理。
 
2 复杂的连接
这里因为找不到很好的例子来说明如何处理复杂的连接,因此就不讲解了,大概说一下思路吧:简单地说,对于复杂的查询,我们应该将该查询分解成几个小的子查询,然后对每个子查询的结果进行测试,最后将所有的子查询结合起来就组成了这个复杂的查询。这样会比一来就写复杂的查询容易得多。
 
3 数据集SET操作
这里有四类SET操作,分别是EXCEPT、INTERSECT、UNION、OUTER UNION。
EXCEPT:得到除第二个数据集以外的所有第一个数据集里的数据
INTERSECT:得到第一个数据集和第二个数据集都有的数据
UNION:得到两个数据集所有的数据,这里如果两个数据集有相同的数据,重复数据只出现一次
OUTER UNION:得到两个数据集所有的数据。
 
还有两个关键词来修改SET操作的行为:ALL和CORRESPONDING
ALL:并不删除重复值,不能与OUTER UNION合用(注意,用ALL关键词,一种情况是你不管是否会有重复值,另一个情况是不可能出现重复值,例如有主键的数据)
CORRESPONDING:只保留两个数据集都有的字段,一般简写为CORR
 
 
3.1 EXCEPT
找出所有没有延迟的航班和日期:
proc sql;
    select flight,date
       from March
    except
    select flight,date
       from Delay;
quit;
注意:这里重复值已经被删除。如果要得到所有的包含重复值的数据,就要用到关键词ALL:
proc sql;
    select flight,date
       from March
    except ALL
    select flight,date
       from Delay;
quit;
如果只保留两个数据集都有的字段,则用到关键词CORRESPONDING(可简写为CORR):
proc sql;
    select *
       from March
    except CORR
    select *
       from Delay;
quit;
 
3.2 INTERSECT
找出所有延迟的航班和日期:
proc sql;
    select flight,date
       from March
    INTERSECT
    select flight,date
       from Delay;
quit;
关键词ALL和CORRESPONDING与在EXCEPT中一样,这里不再作介绍
 
3.3 UNION
选择所有的数据,这里的重复值只出现一次
proc sql;
    select flight,date
       from March
    UNION
    select flight,date
       from Delay;
quit;
关键词ALL和CORRESPONDING与在EXCEPT中一样,这里不再作介绍
 
3.4 OUTER UNION
proc sql;
    select flight,date
       from March
    OUTER UNION
    select flight,date
       from Delay;
quit;
这里,如果我们用到关键词CORR,就可以将相同字段的数据结合到一起:
proc sql;
    select *
       from March
    OUTER UNION  CORR
    select *
       from Delay;
quit;
 
4 建表
4.1 建空表
4.1.1 通过指定变量建空表
proc sql noprint;
   create table percent
       (varname char(30),
       Industry char(4),
       begindate num format date9.  label='the beginning date',
       enddate num format date9. label='the ending date',
       P_1 num,
       P_5 num,
       P_95 num,
       P_99 num);
quit;
 
4.1.2 拷贝数据集来建空表
proc sql noprint;
   create table Delaycopy(keep=flight date)
   like Delay;
quit;
 
4.1.3 查询语句中,用outobs选项来建空表
proc sql noprint outobs=0;
   create table flight114 as
   select *
   from Delay;
quit;
 
4.2 对数据表增加数据
主要有三种方法:
4.2.1 SET语句
proc sql noprint;
insert into flight114
set flight='302' ,
    date='07MAR94'd,
    orig='LGA',
    dest='WAS',
    delaycat='No Delay',
    destype='Domestic',
    delay=0;
quit;
 
4.2.2 VALUES语句
proc sql noprint;
insert into flight114
values('271','07MAR94'd,'LGA','PAR','1-10 Minutes','International',4);
quit;
 
4.2.3 条件查询 :建表和导入数据同时完成
proc sql noprint;
   create table flight114 as
   select *
   from Delay
   where flight='114';
quit;
 
5 完整性约束
完整性约束的好处是保证SAS数据集的连续性和正确性,它在我们更新数据或插入新的数据时,验证新的数据是否符合该变量的约束条件。
完整性约束需要8.0以上版本,符合ANSI标准,可以在表建立时或表有数据后建立约束,但不能被用于视图,也不能用于低于8.0版本的SAS系统建立的数据集。
五大类完整性限制:NOT NULL、CHECK、UNIQUE、PRIMARY KEY、FOREIGN KEY。
NOT NULL:不许出现缺失值
CHECK:指定该变量可以输入哪些值
UNIQUE:每个值必须是唯一的,其值可以为空,但只能有一个值为空
PRIMARY KEY:主键,每个值必须是唯一且非空的
FOREIGN KEY:其它表的主键,即外键,其值为关联表的主键的值且非空
 
5.1 check
例:
proc sql noprint;
   create table percent
       (varname char(30),
       Industry char(4),
       begindate num format date9.  label='the beginning date',
       enddate num format date9. label='the ending date',
       percent num,
CONSTRAINT percent _check check
(percent le 1.0));
quit;
这时,如果我们插入的数据中,percent>1的话,将会出现错误。
 
5.2 回滚ROLLBACKS
当我们用INSERT或UPDATE的时候,操作要等到发生错误的时候才会停止,这时会出现一个问题,就是数据表的一些数据更新了,而另一些数据没更新,这时如果我们要回到原来的状态,就需要用到UNDO_POLICY选项进行回滚。
UNDO_POLICY有三个选项:
REQUIRED:缺省选项,取消所有的更新或新插入的数据。这里要注意的是,此操作不一定完全能成功。
NONE:阻止所有的与约束不符的更新或新数据
OPTOINAL:取消所有可以成功取消的更新或新插入的数据
 
本功能用得很少,所以只是翻译一下,请大家查阅相关文献。
 
6 创建视图与索引
6.1 视图
视图最大的好处是它只是一个存储的查询,因此不包含任何数据,这可以减少磁盘的使用空间。其它的功能与数据库的表类似。
创建视图语法:
Create View View-name as
 Query-expression_r ;
例:
proc sql noprint outobs=0;
   create View  delayview as
   select *
   from Delay;
quit;
 
6.2 索引
语法:
Create <unique> Index index-name
On table-name (column-name,column-name);
 
视图和索引都用得很少,所以这里就不作讲解了,大家查阅相关文献吧。
 
7 维护表
这里主要讲一下如何更新或删除已存在的表的数据,如何对一个表增加、减少、或改变其列的属性,如何删除表、视图和索引。
 
7.1 更新数据
这里主要用update来更新表的数据,语法如下
Update table-name
       Set column-name=expression_r,
Set column-name=expression_r,…
Where expression_r;
注意,这里的where一定要写清楚,如果没有的话,则会更新所有的数据。
例:
proc sql noprint;
update delay
set delaycat='Delay'
where  delay=0;
quit;
 
7.2 条件处理
用CASE语句来实现条件处理。例如,对SASHELP.shoes根据sales的大小进行分类:
语法:
Select column…
Case <case-operand>
When when-condition then result-expression_r
< When when-condition then result-expression_r>
<else result-expression_r >
End;
 
例:
proc sql;
    create table shoesrank as
    select *,
       (case
       when sales>100000 then 'good'
       else 'bad'
       end) as rank
    from sashelp.shoes;
quit;
 
7.3 删除行
语法:
Delete from table-name
Where expression_r;
例:
proc sql;
Delete from shoesrank
Where Region='Africa';
quit;
 
7.4 改变列
语法:
Alter Table table-name
       Add column-definition,column-definition,…
       Drop column-name,column-name,…
       Modify column-definition,column-definition,…
 
对已存在的数据表增加一个列:例:
proc sql;
alter table shoesrank
add addcolumn num format=comma10.2,
addcolumnmore char(10);
quit;
 
从已存在的数据表中删除列,例:
proc sql;
alter table shoesrank
drop addcolumn;
quit;
 
修改某列的属性,例:
proc sql;
alter table shoesrank
modify  addcolumnmore char(20) label='modify add label';
quit;
 
7.5 删除表、视图、索引
语法:
Drop Table table-name,table-name,…;
Drop View View-name,View-name,…;
Drop Index index-name,index-name,…;
From table-name;
例:
proc sql;
drop table shoesrank;
quit;

本系列全部内容主要以《SQL Processing with the SAS System (Course Notes)》为主进行讲解,本书是在网上下载下来的,但忘了是在哪个网上下的,故不能提供下载链接了,需要的话可以发邮件向我索取,我定期邮给大家,最后声明一下所有资料仅用于学习,不得用于商业目的,否则后果自负。
 
转载请注明出处:http://blog.sina.com.cn/s/blog_5d3b177c0100cn8v.html
 
前面两部分内容都比较简单,本节内容才是本系列要介绍的重点。不过这里装的内容都是点到即止,如果以后有时间,会进行更详细地讲解。
 
1 SQL过程步选项
SQL过程步选项的作用主要是可以从更细节的方式去控制SQL过程步,并且可以在不执行过程的情况下对程序进行测试等。
下面介绍一下列出来的选项,这些选项大多经常用到,更多的选项可以参考SAS帮助。
INOBS:进行一个查询时,对每个源数据表进行N行限制,仅对这N行的数据进行查询。
OUTOBS:指定查询输出结果的观测数
LOOPS:指定SQL过程步内循环的次数(此选项我用得比较少,谁明白的可以讲一下,多谢)
NOPROMPT和PROMPT:修改上述三个选项的效果,从而让你选择是否继续或停止选项的效果。
PRINT和NOPRINT:控制是否打印选择的数据结果
NONUMBER和NUMBER:控制是否在第一列打印观测值编号
DOUBLE和NOBOUBLE:输入报表是否隔行显示
NOFLOW和FLOW和FLOW=n和FLOW=n m :指定列宽,n指定列宽,m指定行宽???
 
1.1 double选项
proc sql   double;
    select flight,date
       from March
    UNION
    select flight,date
       from Delay;
quit;
 
1.2 inobs选项
注意:这里inobs选项只读取每个源表前10条数据进行后续的操作,如下面的日志所示。两个表都只读取10条数据进行关联,最后得到7条关联好的数据。
 
237  proc sql inobs=10;
238      create table tmp as
239      select a.*,b.*
240      from March a,Delay b
241      where a.flight=b.flight and a.date=b.date;
WARNING: 变量“flight”已经存在于文件 WORK.TMP 中。
WARNING: 变量“date”已经存在于文件 WORK.TMP 中。
WARNING: 变量“orig”已经存在于文件 WORK.TMP 中。
WARNING: 变量“dest”已经存在于文件 WORK.TMP 中。
WARNING: Only 10 records were read from WORK.DELAY (别名=B) 由于 INOBS= 选项。
WARNING: Only 10 records were read from WORK.MARCH (别名=A) 由于 INOBS= 选项。
NOTE: 表 WORK.TMP 创建完成,有 7 行,11 列。
 
1.3 outobs选项
这个选项的功能与inobs相似,不同的是,这个选项指定结果的观测值数量,而不是读取源表的数量,这在我们控制输出结果的数据量时非常有用。
 
243  proc sql outobs=10;
244      create table tmp1 as
245      select a.*,b.*
246      from March a,Delay b
247      where a.flight=b.flight and a.date=b.date;
WARNING: 变量“flight”已经存在于文件 WORK.TMP1 中。
WARNING: 变量“date”已经存在于文件 WORK.TMP1 中。
WARNING: 变量“orig”已经存在于文件 WORK.TMP1 中。
WARNING: 变量“dest”已经存在于文件 WORK.TMP1 中。
WARNING: 语句由于 OUTOBS=10 选项而过早终止。
NOTE: 表 WORK.TMP1 创建完成,有 10 行,11 列。
 
1.4 prompt选项
这里prompt选项,可以让你选择是否还是按照原来的设置进行动作,或者继续操作。如下面的日志所以,如果直接选择停止,则得到1.2的结果,如果一直按继续,则得到如下结果:
 
255  proc sql inobs=10 prompt;
256      create table tmp3 as
257      select a.*,b.*
258      from March a,Delay b
259      where a.flight=b.flight and a.date=b.date;
WARNING: 变量“flight”已经存在于文件 WORK.TMP3 中。
WARNING: 变量“date”已经存在于文件 WORK.TMP3 中。
WARNING: 变量“orig”已经存在于文件 WORK.TMP3 中。
WARNING: 变量“dest”已经存在于文件 WORK.TMP3 中。
NOTE: 表 WORK.TMP3 创建完成,有 19 行,11 列。
 
1.5 number选项
proc sql outobs=4 number;
    select * from March;
quit;
 
1.6 reset选项
对上述SQL语句加上reset选项,使其不输出序号
proc sql outobs=4 number;
reset nonumber;
    select * from March;
quit;
 
2 DICTIONARY
2.1 DICTIONARY介绍
DICTIONARY可以得到很多SAS文件和会话等很多的元数据,包括SAS文件,外部文件,系统选项、宏、标题、脚注等。
DICTIONARY是在初始化时就创建,自动更新,并只允许读取操作,故不能修改。
下面列举一下SAS中DICTIONARY所包含的表:
 
SAS V8 DICTIONARY所包含的表:
CATALOGS:SAS目录的信息
COLUMNS:SAS变量和列的信息
EXTFILES:外部数据信息
INDEXES:参与索引的列的信息
MACROS:宏相关信息
MEMBERS:所有数据类型(表、视图、目录等)的信息
OPTIONS:当前会话选项
STYLES:ODS的样式信息
TABLES:表和数据集信息
TITLES:标题和脚注信息
VIEWS:视图信息
 
SAS V9 DICTIONARY所包含的新的表:
CHECK_CONSTRAINTS:CHECK约束信息
CONSTRAINT_COLUMN_USAGE:约束列使用信息
CONSTRAINT_TABLE_USAGE:约束表使用
DICTIONARIES:DICTIONARY所有表及其列
ENGINES:可用的引擎
FORMATS:可用的格式
GOPTIONS:SAS/GRAPH选项
LIBNAMES:LIBNAME信息
REFERENTIAL_CONSTRAINTS:相关约束
REMEMBER:已记录的信息
TABLE_CONSTRAINTS:表约束
 
2.2 查看2.1中各表内容
查看各表的结构,以查看dictionary.tables为例:
proc sql;
describe table dictionary.tables;
quit;
这里可以从日志里看到表dictionary.tables的结构。
 
要查看这个表的数据,可以通过以下语句实现,这里我们只输出前10条数据
proc sql outobs=10;
select * from dictionary.tables;
quit;
 
2.3 使用DICTIONARY的信息
查看SASHELP库里的文件信息:
proc sql;
    options nolabel nocenter;
    select memname,nobs,nvar,crdate
    from dictionary.tables
    where libname='SASHELP';
quit;
注意,这里的库名都是大写。
 
查看SASHELP库里有列名为tabname的所有表:
proc sql;
    options nolabel nocenter;
    select memname
    from dictionary.columns
    where libname='SASHELP' and name='tabname';
quit;
注意这里是用dictionary.columns的信息
 
用SASHELP.VMEMBER来撮DICTIONARY.MEMBERS的信息:
proc tabulate data=sashelp.vmember format=8.;
class libname memtype;
keylabel N=' ';
table libname,memtype/rts=10 misstext='None';
run;
 
DICTIONARY是一个非常有用的信息库,本文主要是介绍一下其基本功能,以后有时间的话会对其进行详细介绍。
 
3 SQL过程步与宏语言的交互
SQL过程步可以创建SAS宏变量,也可以生成一些自动的宏变量,从其中可以更好地理解SQL处理过程。
 
3.1 在SQL过程中使用宏变量
%let outputnumber=10;
proc sql outobs=&outputnumber;
options nolabel nocenter;
select * from dictionary.tables
where libname='SASHELP';
quit;
这个很简单,就不讲了,下面讲一下本节的重点。
 
3.2 创建宏变量
SQL过程步可以通过into语句来创建或更新宏变量,主要有三种方式。这里要注意的是,在使用into语句创建宏变量时,我们是不能在create table或create view语句里使用的。当我们不需要输出结果时,可以用noprint选项。
3.2.1 结果只有一行
Select col1,col2,…
       Into :mvar1,:mvar2,…
       From …
例:
proc sql noprint;
    select avg(sales),min(sales),max(sales)
    into :mean, :min, :max
    from sashelp.shoes;
quit;
%put &mean &min &max;
这种方式适合输出结果只有一行的情况。
 
3.2.2 提取前N行的值
Select a,b,…
       Into :a1-:an, :b1-:bn
       From …
这种方法前前N行的查询结果输入到一系列的N个宏变量中。
例:
proc sql noprint;
    select Region,count(*) as frequency
    into :Region1-:Region3, :freq1-:freq3
    from sashelp.shoes
    group by Region;
quit;
 
%put &Region1 &Region2 &Region3;
%put &freq1 &freq2 &freq3;
 
3.2.3 提取所有数据
Select col1,col2,…
       Into :macrovar1, :macrovar2,…
       Separated by ‘delimiter’
       From …
这里将每列的所有数据都输出到一个宏变量中,并以指定的分隔符分开。
例:
proc sql noprint;
    select distinct Region
    into :RegionAll
    separated by ','
    from sashelp.shoes;
quit;
%put &RegionAll;
 
3.3 SQL过程步自动产生的宏变量
SQLOBS:记录输出结果或被删除的观测值个数
SQLRC:包含每个SQL语句的返回代码
SQLOOPS:包含SQL过程步内循环的次数
例:
proc sql;
    select *
    from sashelp.shoes;
quit;
%put &SQLOBS;
得到输出观测的条数。
 
4 程序测试与效率
这里主要介绍几个SQL过程步的选项:
Exec/Noexec:控制SQL语句是否执行
Nostimer/Stimer:在SAS日志中报告每个SQL语句的效率统计数据
Noerrorstop/Errorstop:批处理时控制当有错误发生时,是否要检查语法
 
例:noexe与feedback
 
66   proc sql feedback noexec;
67   select * from sashelp.shoes;
NOTE: Statement transforms to:
 
        select SHOES.Region, SHOES.Product, SHOES.Subsidiary, SHOES.Stores, SHOES.Sales, SHOES.Inventory, SHOES.Returns
          from SASHELP.SHOES;
 
NOTE: 由于 NOEXEC 选项,未执行语句。
68   quit;
NOTE: “PROCEDURE SQL”所用时间(总处理时间):
      实际时间         0.01 秒
      CPU 时间         0.00 秒
 
这里我们要注意的是,在比较不同SQL语句的效率时,一定要用CPU时间,而不是用实际时间,因为实际时间可能会因运行机器的环境而有很大的出入。还要注意的是,对于同一个数据集,在比较效率时,一定要考虑到该数据集第一次运行后其排序等已经发生变化,会对效率也有影响。
 

本文主要讲解了在SQL过程步中使用SAS数据步的选项,包括DROP、KEEP、LABEL、COMPRESS、SORTEDBY、WHERE和RENAME等,灵活地使用这些选项可以让我们的SQL过程步更有效、更简洁。附录创建了三个数据集,方便我们进行讲解。
 
1 DROP和KEEP
在使用用SQL过程步时,我们可以用select选择结果要保留的列,或者用*选择所有的列。但是如果我们要选择除某一两个列之外的所有的列,这时就要使用将其他的列全部都写一遍,是不是很麻烦。这时我们就可以用到DROP来删除这几个不需要的列。例如我们要保留除A1和A3列之外的SCORES数据集中的所有数据:
%let label=Scores Data Set without A1 and A3;
proc sql;
  create table Scores1(label="&label") as
  select  *
  from    Scores(drop=A1 A3);
quit;
此外我们还可以直接在CREATE TABLE语句后面加上Drop或Keep选项来删除或保留指定的列:
proc sql;
 create table Scores2(label="&label" drop=A1 A3) as
 select  *
 from Scores;
 quit;
 
下面一个例子是用多种方法来实现保留除B开头以外的所有列:
例1:这里KEEP选项里的A1-A10表示了变量范围,即:A1到A10共10个变量。注意这里的’ -’表示变量范围,如果在SQL过程步的select语句中,则表示用A1减去A10的值来创建一个新的变量。
proc sql;
 create table only_As_1(label='Scores for A Parameters Only') as
 select  *
 from    Scores(keep=Subject_id Visit A1-A10);
 quit;
例2: 这里用’--’表示名字范围,B1--B10表示从B1到B10共10个变量
proc sql;
create table only_As_2(label='Scores for A Parameters Only') as
 select  *
 from    Scores(drop=B1--B10);
 quit;
例3:’B :’也是名字范围,指所有以B开头的变量
 proc sql;
 create table only_As_3(label='Scores for A Parameters Only') as
 select  *
 from    Scores(drop= B:);
 quit;
例4:_numeric_指所有的数值型变量,与之相对应的是_character_,表示所有的字符型变量。
 proc sql;
 create table only_As_4(label='Scores for A Parameters Only') as
 select  *
 from    Scores(keep=Subject_ID _numeric_);
 quit;
 
2 LABEL
这个选项在上面几个例子中已经讲解。
 
3 COMPRESS
COMPRESS主要是用来减少数据集的存储空间,在SQL过程步使用COMPRESS选项进行数据压缩时,我们需要在CREATE TABLE语句后要压缩的数据表后面加入该选项。
proc sql;
 create table only_Bs(compress=yes) as
 select  *
 from    Scores(drop=A1-A10);
 quit;
NOTE: 压缩的数据集 WORK.ONLY_BS 大小减少了百分之 54.85。
       压缩为 484 页;不压缩将会要求 1072 页。
NOTE: 表 WORK.ONLY_BS 创建完成,有 60000 行,12 列。
 
4 RENAME
RENAME的作用是更改数据集的变量的名称,例如我们要将SCROES中的数组A的所有变量加上前缀’Base_’,你可以用select语句一个一个地更改名字,也可以用rename数据步选项。
例:用Select一个一个地进行更名
proc sql;
 create table Baseline_A_1 as
 select  subject_id,
        a1 as base_a1,
 
    a10 as base_a10
 from    Scores
 where   visit=1;
quit;
例:用RENAME选项
proc sql;
 create table baseline_A_2 as
 select  *
 from    Scores(rename=(a1-a10=base_a1-base_a10) drop=b:)
 where   visit=1;
 quit;
注意,这里我们将数组A的名字改为以B开头的变量,而后面一句drop=b:是不是会把刚才更名完后的变量也删除掉。结果是不会的,因为Keep和Drop选项是在Rename选项之前就执行了。
 
下面来讲一个我们经常遇到的情况:两个表的内连接。例如我们要对表SCORES和SURGERY进行内连接,表SCORES的主键为subject_id,而表SURGERY的主键为sid,这时,我们一般的内连接语句为:
proc sql feedback _method;
 create table Scores_Surg1 as
 select  *
 from    Scores T1, Surgery T2
 where   T1.subject_id=T2.sid and
         T1.visit=T2.visit;
 quit;
另一种方法就是先将SURGERY中的sid改名为subject_id,然后运用数据表的inner join来进行数据表的内连接:
proc sql feedback _method;
  create table Scores_Surg2 as
 select  *
 from    Scores T1
     natural inner join
     Surgery(rename=(sid=subject_id)) T2;
 quit;
 
另外,我们还可以遇到列名为SAS关键词时,会出现一些错误,例如:
proc sql _method;
 create table caseLT4_1 as
 select *
 from   Surgery
 where  case lt 4;
 quit;
这里,where  case这一句,SAS会认为这是一个条件操作的开始(case when…then… end),因此会出现错误。这时我们可以先将该列名更名后再进行where语句。例如:
proc sql _method;
  create table caseLT4_2 as
 select *
 from   Surgery(rename=(case=case_id))
 where  case_id lt 4;
 quit;
这时case已改名为case_id
 
5 SORTEDBY
该选项主要指明数据集已用哪些变量进行排序,这会增加SQL过程步的效率。本人对该选项用得比较少,对效率优化也做得比较少,就不再介绍,请大家阅读相关文献。
 
6 WHERE
WHERE选项在SQL过程步中,主要用于取数据子集或指定连接条件。Surgery数据集中,visit小于16的客户在Scores数据中增加一个标识。一般的方法如下:
proc sql;
 create table scores_surglt16 as
 select T1.*,
  case when ILV2.Visit gt 0 then 'Y' end as Surgery_Flag
 from   Scores as T1
     left join
  ( select  *
     from    Surgery
     where   Visit lt 16) as ILV2
        on T1.visit=ILV2.visit and
           T1.subject_id=ILV2.sid;
quit;
这里得到的结果是Surgery数据集中,visit小于16的10个客户,在Scores数据集中生成的新Surgery_Flag的值为Y。我们可以用where选项来简化上述代码:
proc sql;
 create table scores_surglt16_2 as
 select T1.*,
        case when T2.Visit gt 0 then 'Y' end as Surgery_Flag
 from   Scores T1
    natural left join
  Surgery(where=(visit lt 16)
                rename=(sid=subject_id)) T2;
quit;
 
where的另一个用法是与in选项结合。例如要实现模糊匹配,我们可以用like以及通配符%:
proc sql _method;
 create table ex11a as
 select *
 from   scores
 where  subject_id like '100-%' or
    subject_id like '20%';
quit;
我们也可以用where和in选项来简化上述代码:
 proc sql _method;
 create table ex11b as
 select  *
 from  scores(where=(subject_id in: ('100-','20')));
 quit;
 
 
7 附录
data Tx (label='Treatment Code Information' drop=a);
    do a=1 to 3000;
    Subject_No=a;
    if a le 1500 then center =100; else center=200;
    random_date=int(15000+20*ranuni(315975)); format random_date mmddyy10.;
    if ranuni(97511) lt .5 then tx=1; else tx=2;
    output;
    end;
    label tx='Treatment Code'
    random_date='Randomization Date'
    subject_no="Subject Number";
run;
 
data Scores(label='Recorded Scores at Visits' drop=j c); 
    length Subject_ID $8 Visit 8 A1-A10 8 B1-B10 $20;
    array A[10]; array B[10];                 
    do c=1 to 3000;
       if c le 1500 then subject_id=compress('100-'||put(c,z4.));
       else subject_id=compress('200-'||put(c, z4.));
       do Visit=1 to 20;
           do j=1 to 10;
              a[j]=j*ranuni(j);
              b[j]=left(put(.5+j**2*ranuni(j),7.3)); 
           end;
           output;
       end;
    end;
format a: 5.2;
run;
 
data Surgery;
    length SID $8 Visit 8 case 8;
    do k=5 to 3000 by 197;
       if k lt 1500 then SID=compress('100-'||put(k,z4.));
       else SID=compress('200-'||put(k, z4.));
       Visit=10+int(10*ranuni(971156));
       case+1;
       drop k;
       output;
    end;
run;
 
 


  评论这张
 
阅读(4852)| 评论(0)

历史上的今天

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2018