关于pinseng“请教一个SAS _n_的问题”中set语句的运用规则总结

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

pinseng发了名为《请教一个SAS _n_的问题》的帖子。

他想问以下程序中if _n_=1的意义是什么：

data temp;
input x y@;
datalines;
1 2
3 4
5 6
. 9
6 7
7 .
1 8
6 3
;
run;
data q3;
    if _n_=1 then do until (last);
        set temp nobs=obs end=last;
        sum_x+x;
        sum_y+y;
    end;
    set temp;
    if x=. then x=sum_x/obs;
    if y=. then y=sum_y/obs;
run;

源自：https://bbs.pinggu.org/thread-1246757-1-1.html

---------------------------------------------------------------------------------------

问题本身已经解决了，这里只是想总结一下我在参与回复的过程中所探索出的一些东西——“set语句的法则”，它是我尝试过很多小程序后的一个结论。

仔细想想还是有些复杂的：

***************************************************

set语句的法则——当DATA b;数据步中出现多个set a;语句时，遵循如下法则：

（1）计算机对程序中每一处的set a;语句分别设置各自对a集的读取进程，每个set a;语句第一次执行时均从a集的第一条记录开始读入，之后，分别按各自被执行的次数一条一条读取a的记录，注意，DATA步的大循环不会打断这种读取进程的推进，每个特定位置的set语句，仍可在新循环里沿着自己上一次DATA步循环时的a集读取进程继续往下读。

（2）同一DATA b;循环中，每次只针对该循环对应的特定b记录，多次写入set a;语句读出的a记录数据。且对于b的该特定记录行从a处读入的变量，写入的新数据会覆盖旧数据。

（3）DATA步的上一次循环中执行的最后一处set a;为b集读入的a集变量值也将在该次循环开始时被再次写入到这个b集的新的记录行里，形成与上一行b记录重复的格局。即，set a;创建的变量在b集中被当作保留变量。但是要注意，新记录也一如既往的没有禁止覆盖！如果新循环中执行了set，则默认值将被覆盖。若新的DATA循环中没有set语句被执行，且保留变量没被其他语句修改，那么b的新记录行保留默认值。

（4）只要DATA新循环中没有任何set语句被执行，那在完成该DATA循环后，程序自动终止。

（5）无论程序中哪一处的set a;语句在先行读到a的最后一条记录的进度基础上不知“适可而止”，仍被DATA b;程序再次执行，导致“超出极限读取”的，该data b;循环将不产生（理解为抹消也可以）对应的整条b集记录，且data b;数据步终止。

***************************************************

解释：

-------------------------------------------------------------

例1：

1. data a;
   
2.   input v1;
   
3. cards;
   
4. 1
   
5. 2
   
6. 3
   
7. 4
   
8. 5
   
9. ;
   
10. data b;
    
11.   do until (last);
    
12.     set a end=last;
    
13.     v2+2;
    
14.   end;
    
15.   set a;
    
16. run;
    
17. proc print data=b;
    
18. run;

复制代码

OUTPUT:

                                          Obs    v1    v2
                                            1       1     10

data b;程序段中出现了两处set a;语句。计算机将分别设置它们各自的读取计划。具体情况如以下流程：

&&&&&&&&&&&&&&&&&&&&&&&&&&&&&

（ i  ）b的循环次数（即对应的b记录行数）-------》第1次（针对b的第1条记录）：

（a）先看do循环，do之内的set被执行了5次，v2+2也执行了5次：
          do第1次循环：v1=1      do第1次循环：v2=2        ------------》  第1行记录：v1=1,v2=2
          do第2次循环：v1=2      do第2次循环：v2=4        ------------》  第1行记录被覆盖为：v1=2,v2=4
          do第3次循环：v1=3      do第3次循环：v2=6        ------------》  第1行记录被覆盖为：v1=3,v2=6
          do第4次循环：v1=4      do第4次循环：v2=8        ------------》  第1行记录被覆盖为：v1=4,v2=8
          do第5次循环：v1=5      do第5次循环：v2=10      -------- ---》  第1行记录被覆盖为：v1=5,v2=10
（b）do循环之后，执行下一句——set a; 该处的set还是第一次执行：
          初次执行该语句：v1=1   ------------------------------------------》  第1行记录被覆盖为：v1=1,v2=10（v2未遭到覆盖！）

（i i ）b的循环次数（即对应的b记录行数）-------》第2次（针对b的第2条记录）：

   开头时，在b集第2条记录里，默认认为v1=1。这体现了法则（3）的内容。

   之后，程序碰到do循环，虽然last值仍保留成数字1，表示do中的set语句已经触及a的底部，但是do语句每次开始第1次循环时，都不对判断条件加以把关。故虽然until (last)被满足，但do还是被执行了。

   do中的set a;明明已经读取到了a的底部，但仍然被执行了，造成“超限读取”，依据法则（5），程序到此终止，且抹消掉b的第2条记录。

   故DATA b;循环了2次，但b集只产生了1条记录。

&&&&&&&&&&&&&&&&&&&&&&&&&&&&&

对输出结果的解释到此完毕。

-------------------------------------------------------------

例2：

1. data a;
   
2.   input v1;
   
3. cards;
   
4. 1
   
5. 2
   
6. 3
   
7. 4
   
8. 5
   
9. ;
   
10. data b;
    
11.   do until (v2>=6);
    
12.     v2+1;
    
13.     set a;
    
14.     put _all_;
    
15.   end;
    
16. run;
    
17. proc print data=b;
    
18. run;

复制代码

OUTPUT:

                   空，无输出内容！表明b集无数据！

LOG:

v2=1 v1=1 _ERROR_=0 _N_=1
v2=2 v1=2 _ERROR_=0 _N_=1
v2=3 v1=3 _ERROR_=0 _N_=1
v2=4 v1=4 _ERROR_=0 _N_=1
v2=5 v1=5 _ERROR_=0 _N_=1

LOG中的输出表明b集的第1次循环确实执行过，但为什么没有形成第1条记录呢？——“超限读取”！法则（5）表明b集不可能有记录。就算前面演算得再精彩，黑板擦一擦，什么都没了。

-------------------------------------------------------------

一个更难的例子：

例3：

1. data a;
   
2.   input v1;
   
3. cards;
   
4. 1
   
5. 2
   
6. 3
   
7. 4
   
8. 5
   
9. ;
   
10. data b(drop=i j);
    
11.   do until (v2>2);
    
12.     set a; i=1; put i;
    
13.     v2+2;
    
14.   end;
    
15.   set a; j=2; put j;
    
16. run;
    
17. proc print data=b;
    
18. run;

复制代码

OUTPUT：

                                          Obs    v2    v1
                                            1       4      1
                                            2       6      2
                                            3       8      3
                                            4     10      4

LOG：

1
1
2
1
2
1
2
1
2

这个例子我不详细说了，但这里我提一些问题，以启发各位的思考：

（A）为什么LOG栏的输出结果中，在第1个数字2出现之后，还会间隔着出现数字1呢？提示：do until (...)开始第一次循环时是不对条件(...)把关的！

（B）为什么记录1中v1=1，而v2却是4？请结合法则中的（2）思考。

（C）为什么记录只有4行，而不是5行？请结合法则中的（2）与（5）思考。

（D）data b;总共循环了几次？请结合法则（5）思考。

这更像是一个练习，且难度较大。

-------------------------------------------------------------

更多的例子：

例4：

1. data a;
   
2.   input v1;
   
3. cards;
   
4. 50
   
5. 60
   
6. ;
   
7. data b;
   
8.   if _n_<=2 then do;
   
9.     set a;
   
10.     v2=6;
    
11.   end;
    
12. run;
    
13. proc print data=b;
    
14. run;

复制代码

OUTPUT:

                                          Obs    v1    v2
                                            1      50     6
                                            2      60     6
                                            3      60     .

1. data a;
   
2.   input v1;
   
3. cards;
   
4. 50
   
5. 60
   
6. ;
   
7. data b;
   
8.   if _n_<=3 then do;
   
9.     set a;
   
10.     v2=6;
    
11.   end;
    
12. run;
    
13. proc print data=b;
    
14. run;

复制代码

OUTPUT:

                                          Obs    v1    v2
                                            1      50     6
                                            2      60     6

为什么第一段程序的结果与第二段程序的结果不同呢？

两段程序的DATA b;都循环了3次，第一段程序在第3次循环中没有执行任何set语句，故第3行的b记录中v1的值默认与上一行相同。这主要体现了法则（3）、（4）的内容。

第二段程序在第3次循环中又执行了一次set a;语句，a只有2行记录，但该处的set前后共运行了3次，是“超限读取”，因此不形成第3条记录，且程序终止。

-------------------------------------------------------------

例1、例2、例3、例4都弄懂之后，对set语句法则的理解应该就没有问题了。

对set语句法则的解释，到此结束。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏12 回帖

关键词：Seng Set PIN eng output 程序

在pinseng的帖《请教一个SAS _n_的问题》中，我曾经抱怨SAS的if_n_then...set a;...句式有BUG。

后来编了很多小程序做试验，才逐渐摸索出set语句的运行法则。

现在，我并不认为SAS在这个问题上存在BUG——至少它是按照一定的规则行事的。

虽然不同的程序可能会得到各种“坑爹”的结果，但SAS自身的操作法则却很精简，只有5条。

至少它并不凌乱，没有想到哪里就是哪里。

现在，就让我们用这套“set语句运行法则”去详细分析pinseng给出的程序。

data q3;
    if _n_=1 then do until (last);
        set temp nobs=obs end=last;
        sum_x+x;
        sum_y+y;
    end;
    set temp;
    if x=. then x=sum_x/obs;
    if y=. then y=sum_y/obs;
run;

首先是data q3; 依据法则（1）：

“（1）计算机对程序中每一处的set a;语句分别设置各自对a集的读取进程，每个set a;语句第一次执行时均从a集的第一条记录开始读入，之后，分别按各自被执行的次数一条一条读取a的记录，注意，DATA步的大循环不会打断这种读取进程的推进，每个特定位置的set语句，仍可在新循环里沿着自己上一次DATA步循环时的a集读取进程继续往下读。”

我们可以将data q3;中的set temp划分为两处，一个在do循环中，一个在do循环外。每个set语句按照自己独立的进度读取数据集temp。

data q3;第1次大循环时，即_n_=1时，自然激活do这个小循环，do中的set temp;语句被执行了8次，小循环完成时，此处的set temp;语句恰好按照自己的进度取尽了数据集temp。请注意，不是说这8次读取的x与y值分成8行写入q3集，我们看法则（2）：

“（2）同一DATA b;循环中，每次只针对该循环对应的特定b记录，多次写入set a;语句读出的a记录数据。且对于b的该特定记录行从a处读入的变量，写入的新数据会覆盖旧数据。”

由于整个处在data q3;的第1次大循环中，即_n_=1，故这8次读取的x、y值都写在q3集的第1条记录里，后者覆盖前者。

do循环第1次，set读取temp的第1条记录：x=1,y=2，q3集同时算出sum_x=1,sum_y=2。
此时q3记录为：
Obs  x  y  sum_x  sum_y
  1    1  2     1          2

do循环第2次，set读第2条记录：x=3,y=4,，q3集同时算出sum_x=1+3=4,sum_y=2+4=6。
新记录覆盖旧记录。
此时q3记录为：
Obs  x  y  sum_x  sum_y
  1    3  4     4          6

．．．．．．

如此循环，直到第8次结束。

此时，q3集被覆盖成：
Obs  x  y  sum_x  sum_y
  1    6  3     29         39

do循环结束后，开始执行后面的语句——另一处的set temp;

按法则（1），此处的set temp;有自己的进程，与do里面的set temp;没有半点联系。这是第一次执行do循环以外的set语句。故该语句从temp集的第1条记录开始读：x=1,y=2。

故原来的x=6,y=3被覆盖，q3集变成：

Obs  x  y  sum_x  sum_y
  1    1  2     29         39

之后是执行两个判断语句：

    if x=. then x=sum_x/obs;
    if y=. then y=sum_y/obs;

随后data q3;的第1次大循环顺利结束。

之后，data q3;开始第2次大循环。

依据法则（3）：

“（3）DATA步的上一次循环中执行的最后一处set a;为b集读入的a集变量值也将在该次循环开始时被再次写入到这个b集的新的记录行里，形成与上一行b记录重复的格局。即，set a;创建的变量在b集中被当作保留变量。但是要注意，新记录也一如既往的没有禁止覆盖！如果新循环中执行了set，则默认值将被覆盖。若新的DATA循环中没有set语句被执行，且保留变量没被其他语句修改，那么b的新记录行保留默认值。”

在第2次循环开始时，q3集第2条记录中，默认值为：x=1,y=2

程序里的set语句有两处：do里的set和do外的set。

此时_n_=2，所以，if _n_=1 then后的语句群不会再被激活，否则do里面的set语句就成了“超限读取”，q3集的第2条记录就创建失败了！但此时不涉及该问题。

第2次大循环里，程序直接从do之外的set temp;开始运行。按照法则（1），这个set依自己的进程读取temp，在上一次data大循环里，该处的set执行了1次，这次是第2次，故此处的set temp;会读取temp的第2条记录！于是，q3集第2条记录x与y值被覆盖，为：x=3,y=4。

总体呈现：

Obs  x  y  sum_x  sum_y
  1    1  2     29         39
  2    3  4      ？         ？

现在问题是q3第2条记录里的sum_x与sum_y应该为多少呢？

程序没交代。

如果是类似于普通变量，比如y=1,x=z+3之类的变量，一旦某条记录里没有定义，那么该记录里的变量值就只能设为空，即：

x=.   y=.

但是，一旦采用sum_x+1,sum_y+1这类的写法，那么变量sum_x,sum_y就视为保留变量，与"retain 变量名"语句定义的保留变量具有同等效力。

保留变量的值，你不动它，它就保留原值，你动它，它就改变，很方便。

保留变量是编写DATA步的重要工具之一。

故此处，在q3的记录2里，我们也有sum_x=29,sum_y=39。

故q3集为：

Obs  x  y  sum_x  sum_y
  1    1  2     29         39
  2    3  4     29         39

之后再执行那两个if语句，对于第2条记录，这也改变不了什么。

之后，data q3;的第2次大循环结束。

没有停止循环事由，于是，data q3;开始第3次大循环。

如此，直到第8次循环：

---------------------------------------------------------------------------------------------

OUTPUT:

                              Obs       x         y       sum_x    sum_y
                               1     1.000    2.000       29        39
                               2     3.000    4.000       29        39
                               3     5.000    6.000       29        39
                               4     3.625    9.000       29        39
                               5     6.000    7.000       29        39
                               6     7.000    4.875       29        39
                               7     1.000    8.000       29        39
                               8     6.000    3.000       29        39


---------------------------------------------------------------------------------------------

data q3;还会执行第9次循环。

循环开始时的变量默认值为：x=6,y=3,sum_x=29,sum_y=39

但是，第9次循环会执行do之外的那个set temp;语句。

此时，它已被执行第9次了，而temp只有8条记录。

故形成“超限读取”，依据法则（5）：

“（5）无论程序中哪一处的set a;语句在先行读到a的最后一条记录的进度基础上不知“适可而止”，仍被DATA b;程序再次执行，导致“超出极限读取”的，该data b;循环将不产生（理解为抹消也可以）对应的整条b集记录，且data b;数据步终止。”

故程序终止，且不产生q3的第9条记录。

你要是不占用这么多层的话，我坐的就是沙发了。

该帖今天再次修改过一次，将“set语句运行规则”精简到了5点。简洁即正确，我想应该没错了。

我并非是从教科书上摘抄的，这一规则是我自己试出来的，所以并不能保证正确。

但至少该规则可以在能够解释以上程序的基础上做到最精简。

我相信它就是站在纷繁复杂的程序与结果之后的真实规律。

有时我真的感觉做这项工作就像是做侦探，需要很强的推理能力——从众多的表象推出本质。

谢谢楼主啦~收获了

请问data b;
  do until (v2>=6);
    v2+2;
    set a;
    put _all_;
  end;
run;
log：
v2=2 v1=1 _ERROR_=0 _N_=1
v2=4 v1=2 _ERROR_=0 _N_=1
v2=6 v1=3 _ERROR_=0 _N_=1
v2=8 v1=4 _ERROR_=0 _N_=2  /*重新data步为什么没有重新初始化为0，难道有隐含retain？？？？？？？？？？？？*/
v2=10 v1=5 _ERROR_=0 _N_=3
数据集还是用你的上面的a，就是当进行第二次data步循环时，不是除了retain变量之外，其余的变量均要初始化吗？那v2=8又是怎么回事呢，求解？，还有一个就是哪些语句包含隐含的retain语句呢，我只知道双set语句有隐含retain语句。

多谢兄弟。我自己也想总结一下的，但是没有干完。
下个周末仔细拜读一下。

拜读。总结的很好。谢谢。

dcyhfut 发表于 2012-6-18 10:57
请问data b;
  do until (v2>=6);
    v2+2;

凡v2+1, v2+2, sum_x+1等写法出现，其变量（v2, sum_x）均视为保留变量，且视其初始值为0，当然，加过数字后，比如v2+1执行过第一次后就变成v2 = 1了，之后不断累加。

今天刚看到，总结的真的很好，再次深刻领悟data步的运行原理，并且也知道了set语句的特点