【翻译】怎样将一个SAS数据集拆分成多个

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

源代码+补充说明+参考

      SAS程序员会经常需要把一个数据集分成几个小的数据集。这是一件很容易就能做到的事情，用where= 选项或者FIRSTOBS=/OBS= 的组合既可以。

      但是拆分数据集产生了多个文件这意味着占用了更多的硬盘空间，使用了更多的IO操作。而IO操作和硬盘资源的访问对SAS来说是最昂贵的开销。

1、源代码

---

      但是如果你的领导分配你这个任务，你肯定也不会在上面花多少心思。

      现在我们假设你需要按照数据集的某列的值来拆分这个数据集。

      你肯定会这么写，例子如下：

1. DATA out_Asia;
   
2. set sashelp.cars(where=(origin='Asia'));
   
3. run;
   
4. DATA out_Europe;
   
5. set sashelp.cars(where=(origin='Europe'));
   
6. run;
   
7. DATA out_USA;
   
8. set sashelp.cars(where=(origin='USA'));
   
9. run;

复制代码

我(原文作者)得承认，现在这不是最有效率或者最优雅的方法。不过这是SAS新手们最容易想到的方法。


情况一

      上面这段代码是比较简单的，尤其是只有3个不同的值。但是如果用于区分的值有很多这样就需要考虑很多的情况，非常容易出错。
      这个时候我通常就会使用PROC SQL和SELECT INTO 把值赋给一个宏变量。举个简单的例子：

1. proc sql;
   
2. select distinct ORIGIN into :valList separated by ',' from SASHELP.CARS;
   
3. quit;

复制代码

      这段代码创建了一个宏变量VALLIST，并且将所有ORIGIN用逗号区分赋值给它。

情况二

      但是我们可以用SAS函数改善输出，增加其他的代码把值织入到代码逻辑中去。举个例子，我们可以用CAT函数来连接查询来的值和SAS关键字。得出的结果是纯SAS代码可以直接在宏代码中被引用或者执行。我将共享我最终的代码，并且将代码分成几部分便于读者理解。

1. /* define which libname.member table, and by which column */
   
2. %let TABLE=sashelp.cars;
   
3. %let COLUMN=origin;
   
4. 
   
5. proc sql noprint;
   
6. /* build a mini program for each value */
   
7. /* create a table with valid chars from data value */
   
8. select distinct
   
9.    cat("DATA out_",compress(&COLUMN.,,'kad'),
   
10.    "; set &TABLE.(where=(&COLUMN.='", &COLUMN.,
    
11.    "')); run;") into :allsteps separated by ';'
    
12.   from &TABLE.;
    
13. quit;
    
14. 
    
15. /* macro that includes the program we just generated */
    
16. %macro runSteps;
    
17. &allsteps.;
    
18. %mend;
    
19. 
    
20. /* and...run the macro when ready */
    
21. %runSteps;

复制代码

2、补充说明

---

下面是对PROC SQL部分的一些说明：

• SELECT DISTINCT 保证了变量的每个值都只有一条记录。
  
• CAT函数把一系列字符串进行了连接（注意到CAT函数有一些变异函数比如CATX,CATS,CATT等，这些函数会将字符串的空白部分去掉）​。在这个例子中我想保留所有在数据中出现的空白部分，因为我们要做相等判断。
  
• 程序使用每个值作为输出数据集名称的后缀("OUT_datavalue")。SAS数据集名称只能包含字母和数字，所以这里我使用compress函数删掉所有的空格。kad选项表示值保留英文字母和数字。
  
• 所有的程序语句最后赋值给了allsteps这个宏变量，我只需要在SAS程序中引用这段代码就可以运行它了。我选择了另外一种方式，将代码包在了宏里面。这样便于控制这段可执行代码的作用域和位置。
  
  

​“By each value of a variable​”仅仅只是拆分数据集的一种条件。我遇到过其他许多拆分数据集的规则：

• ​​通过观测的数目，比如将一个300万条观测的数据集拆分成3个100万的
  
• 通过排名或者百分数
  
• 通过日期拆分
  
  

3、参考

---

有些版本不认空格 需要加""；

来源于SAS博客列表。

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2 回帖

关键词：SAS数据集拆分 sas数据集 数据集 generated proc sql 源代码 程序员 where 空间 资源

好帖，感谢分享