数据清洗技术是统计分析之前必做的一步，而且也是非常麻烦的一步，有时甚至花费的时间比统计分析都长。所以没有一定的技巧，这将是个非常烦人的工作。本篇文章介绍如何利用sas进行缺失值的查询工作，后面如果有时间再逐渐写一下异常值、错误值等的查询。 假定我们有数据集aa，包含如下变量（数据省略）： ID dose gender age t0 t1 a1 a2 最简单的方式当然就是挨个变量找缺失值，如下： data missing; set aa; if id=. or dose=. or gender=. or age=. or t0=. or t1=. or a1=. or a2=.; proc print; run; 这种方式很好理解，就是利用if语句逐个判断每个变量是否有缺失（注意，如果变量时文本型，不能写=.，而是=" "），但缺点也是显而易见的，如果不是现在的8个变量，而是80个变量，那写一遍估计要累个半死。所以我们用下面的语句节省体力： data missing(drop=i); set aa; array num{8} id dose gender age t0 t1 a1 a2; do i=1 to 8; if num{i}=. then output; end; 这种方式好像比上面的更复杂了，但效率提高了n倍（取决于你的变量有多少）。这种方式是利用数组判断缺失值，不管有100个还是1000个变量，对数组来说没什么区别，只是数组中变量的个数改变一下而已（如本例中的8）。 当这种方式仍不是最节省的，因为我们还是需要把这8个变量一一写出来，那可不可以就不写变量名呢。当然可以，还有更简单的方式如下： data missing(drop=i); set aa; array num{*} _all_; do i=1 to dim(num); if num{i}=. then output; end; 当这种方式更简单了，而且是个通用语句，不管你有10个还是1000个变量，都可以用这种方式来查询，一个字母都不用改。当然前提是所有变量都是数值型，如果是文本型，那就应该是num{i}=" "。 还有另外一种非常简洁 的方式是利用函数，如下： data missing(drop=i); set aa; array num{*} _all_; do i=1 to dim(num); if missing(num{i}) then output; end; 用函数的这种方式有什么好处呢？起码有一点，你不用考虑到底是数值还是文本，全部都是missing(变量)就行了。否则你还得想着数值是.，文本是" "。一不小心忘了容易出问题。 前面所说的都是假定所有变量都是同一种类型的，如果变量中既有数值型，又有文本型，那怎么办呢？如下程序就很简单了： data missing(drop=i); set aa; array a _numeric_; do i=1 to dim(a); if missing(a ) then output; end; array b _character_; do i=1 to dim(b); if missing(b ) then output; end; 毫不夸张地说，这个简直就是个缺失值的通用语句，同时遍历了数据集中的数值型和文本型的所有缺失值。所有的缺失值查找，几乎都可以这一语句来实现，它几乎包含了所有的可能情况，还能苛求什么呢？套用就行了。 最后声明一下：这个是本人原创，可能有的人在我的博客或其它统计网站中见过，只是因为人大经济论坛人比较多，所以我在这里也写了一份，不是抄袭的，是本人在不同地方发布的而已。所以版主不要封我的帖。而且这篇文章是本人一次网络视频讲课的其中部分内容，写下来希望与那些对sas感兴趣的同仁一起讨论。如有对此感兴趣的，也可去参考该视频，地址： http://www.tj211.com/thread-4498-1-1.html ，可能该视频需要一定权限才能看，这跟我没关系。我不替任何网站做广告，我只代表我自己。所以版主不要删我的帖。只是我的视频正好在这个网站，如有感兴趣的可以去看看。实在看不到的，我会在以后几天有空时再把其它的内容写下来。
标签: 技术经管大学堂：名校名师名课
京公网安备 11010802022788号
论坛法律顾问：王进律师
知识产权保护声明
免责及隐私声明
