求教： sas数据集中的缺失值处理问题

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

<P>从数据库导出的数据，有时候某些观测值因没有数据在excel中就是空白，导入sas后在运算时就无法计算。请问，如何把这些缺失值统一变为0？</P>

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3 回帖

关键词：sas数据集 缺失值处理 数据集 缺失值 EXCEL excel 数据库 如何

data test;
input a b c ;
cards;
1 2 3
1 . 3
. 2 3
;
run;
data test1;
set test;
array arr1 _numeric_;
do over arr1;
if arr1=. then arr1=0;end;
run;

data test2(drop=i);
set test;
array arr2 _numeric_;
do i=1 to dim(arr2);
if arr2(i)=. then arr2(i)=0;end;
run;

[此贴子已经被作者于2007-4-10 15:52:29编辑过]

如果你用累加方法计算,缺失值是自动转为0的。在proc summary等过程中，如果用class分组计算的话，缺失值自动会被剔除出分析过程，除非使用了missing选项。

可以用where语句处理吧？

Proc means automatically uses nonmissing values in x1 to calculate mean of x1, or sum of x1, you don't need to use where statement.

proc means data=yourdata n mean sum;

var x1 x2;

run;

If you use the following 'where' statement, it is the same as above (SAS default!):

proc means;

var x1 x2;

where x1 ne . or x2 ne .;

run;

But If you use 'And' in where statement:

proc means;

var x1 x2;

where x1 ne . and x2 ne . ;

run;

The data you are using to do proc means will be limited to the only records having both x1 and x2 nonmissing values, say you are missing 5 records in x1 and 100 records in x2, 95 to 100 extra records for x1 will be deleted due to x2 is missing. The means of x1, x2 will be different than previous results.

In general, I am agree with windwater's method by using array in datastep. But if you only need to calculate mean or sum of x1, x2, you don't need to replace the missing values. Sometimes if you replaced a lot of missing values by 0, you pushed your data towards 0.

[此贴子已经被作者于2007-4-11 22:52:47编辑过]

不同的目的还是有不同的处理方法.比如说观测了三次想看一个平均值.如果不把"."转为0,最后的分母就会是2而不是3.类似的情况还很多.进行数据步转换的好处在于可以预先根据你的分析目的将数据集整理好.

data a;
input x;
cards;
1
.
2
;
proc means data=a;run;
data b;
input y;
cards;
1
0
2
;
proc means data=b;run;

类似的情况还很多.进行数据步转换的好处在于可以预先根据你的分析目的将数据集整理好? Yes, I agree.

但是将数据集整理好时，不能加入个人的assumption，如果x 是顾客满意度得分１－５分， 你将missing value 转换成０就不好，因为你的assumption是所有没填调查表的顾客的满意度是０?
其它的办法是将missing value 转换所有nonmissing value 的平均数(mean)， 中位数(median）， 或着复杂方法得出的替代。

大部分软件default是简单的delete掉missing values，就是基于尊重你的原始数据，不带任何assumption的原则。 如果你需要换成别的数值，只好自己写code了。

高手~

其实都是看情况而定，一般而言，如果那些缺失值的重要性很大，就应该用decision tree去估计那些缺失值，才做分析的

谢谢！ 9# takotako