跟crackman读SAS程序（4）

初学SAS，请教各位高手一小问题，关于循环语句中读取数据文件，如下：

简单举例，假设我有4个TXT文件，每个文件中1个数值变量，共5个观测(如1 2 3 4 5)，数据分析前，需要先用循环语句对这几个文件的数据预处理，
我现在的问题在于怎么用SAS语句读取文件，以前做的分析全用VB程序编的：

1.例如，VB语句可以这样写：
For i=1 to 4
       open "E:\" & i & ".txt" for Input As 1
       While Not EOF(1)
                Input #1, b
                a(m) = b
                m = m + 1
        Wend
        Close 1
Next i

2.尝试用SAS语句：
data a;
      do i=1 to 4 by 1;
           infile "E:\" i ".txt";
      end;
      input v ;
run;

---------问题：SAS语句在“Infile”那行的“i”处提示错误，数据读不进去......请问SAS语句中有什么方法可以实现以上用途吗？

--------请各位高手不吝相助，不胜感激~~~



hopewell答案：
data temp;
        do in=1 to 4;
                fname=cats('d:\',in,'.txt');
                do until(last);
                        infile XXX filevar=fname end=last;
                        input v;
                        output;
                end;
        end;
      stop;
run;

此处注意几点：
1.DO循环：很巧妙的注意到了D盘下TXT文件名的规律性，都是一个数字命名的文件名，用变量IN，采用CATS字符串连接函数，循环创建D盘下的TXT文件名变量FNAME；
2.在读取文本数据时，很多人都知道用INFILE，以及INFILE基本参数，XXX是文件名，filevar是打开或者关闭指定的文件名，end=last是定义一个变量了解是否读到文件的结尾处，这里的LAST与until里面的last保持一致
3.STOP，这里为什么用STOP，这个很重要，如果你去掉STOP，那么你会发现无线循环下去。所以当我们在DATA步里面制定读取的数据是以随机方式读取的时候，例如这个里面的IN，或者是在SET里面的POINT等，需要用STOP。Because SAS does not detect an end-of-file with this access method, you must include program statements to prevent continuous processing of the DATA step.


在这里提出一个思路：我们在解决这类问题的时候，先考虑是一个文件的时候，你如何写程序，如何读取，如果是两个文件的时候，程序与读取一个文件时程序有什么不同，这种不同是什么原因导致，这个不同是否有规律可循，寻找到规律你就有思路了。

http://www.pinggu.org/bbs/thread-888994-1-1.html
原程序和解答在这里，想分解一下答案程序
data a;
        input nbr code;
        datalines;
        13900000000 10102345
13900000000 10102346
13900000000 10102347
13900000000 10102348
13900000001 10102345
13900000001 10102346
13900000001 10102349
13900000002 10102345
13900000002 10102347
13900000002 10102349
13900000003 10102345
13900000003 10102346
13900000003 10102348
13900000003 10102349
;

run;
proc sql;
        create table b as
                select
                        a.code as prom_1
                        ,b.code as prom_2
                        ,count(distinct a.nbr) as Csr_Cnt
                from a a
                inner join a b
                on a.code<b.code
                        and a.nbr=b.nbr
                group by
                a.code
                ,b.code
        ;
quit;


首先soporaeternus 哥们的SQL确实很不错，学SQL，可以看看他的程序，学习的地方太多了。
对于这个程序思路如下：
首先利用在SQL中的同一个数据集不同的别名，克隆另外一个相同的数据集，利用ON语句中条件，以及INNER JOIN进行CODE的组合，这个是解决问题的关键，先形成组合。因为不同NBR的CODE组合，有些相同，有些不相同，于是用GROUP BY 来排除重复的组合，保证组合的唯一性，为后面计算NBR提供正确唯一的组合。因为不同的NBR可能存在相同的CODE组合，反过来，同一个的CODE组合存在不同的NBR，因为我们计算的是NBR的个数，因此我们在GROUP BY 限定了CODE组合的唯一性，然后利用COUNT函数来计算NBR的个数，思路就是这样，想起来其实也不难，关键是面对数据的时候要快速的理清思路很关键。这里指的学习是：克隆相同的数据集，GROUP BY 保证CODE组合的唯一不重复。

顺便转一个对INNER JOIN LEFT JOIN RIGHT JOIN的介绍的帖子

sql之left join、right join、inner join的区别
left join(左联接) 返回包括左表中的所有记录和右表中联结字段相等的记录
right join(右联接) 返回包括右表中的所有记录和左表中联结字段相等的记录
inner join(等值连接) 只返回两个表中联结字段相等的行

举例如下：
--------------------------------------------
表A记录如下：
aID　　　　　aNum
1　　　　　a20050111
2　　　　　a20050112
3　　　　　a20050113
4　　　　　a20050114
5　　　　　a20050115

表B记录如下:
bID　　　　　bName
1　　　　　2006032401
2　　　　　2006032402
3　　　　　2006032403
4　　　　　2006032404
8　　　　　2006032408

--------------------------------------------
1.left join
sql语句如下:
select * from A
left join B
on A.aID = B.bID

结果如下:
aID　　　　　aNum　　　　　bID　　　　　bName
1　　　　　a20050111　　　　1　　　　　2006032401
2　　　　　a20050112　　　　2　　　　　2006032402
3　　　　　a20050113　　　　3　　　　　2006032403
4　　　　　a20050114　　　　4　　　　　2006032404
5　　　　　a20050115　　　　NULL　　　　　NULL

（所影响的行数为 5 行）
结果说明:
left join是以A表的记录为基础的,A可以看成左表,B可以看成右表,left join是以左表为准的.
换句话说,左表(A)的记录将会全部表示出来,而右表(B)只会显示符合搜索条件的记录(例子中为: A.aID = B.bID).
B表记录不足的地方均为NULL.
--------------------------------------------
2.right join
sql语句如下:
select * from A
right join B
on A.aID = B.bID

结果如下:
aID　　　　　aNum　　　　　bID　　　　　bName
1　　　　　a20050111　　　　1　　　　　2006032401
2　　　　　a20050112　　　　2　　　　　2006032402
3　　　　　a20050113　　　　3　　　　　2006032403
4　　　　　a20050114　　　　4　　　　　2006032404
NULL　　　　　NULL　　　　　8　　　　　2006032408

（所影响的行数为 5 行）
结果说明:
仔细观察一下,就会发现,和left join的结果刚好相反,这次是以右表(B)为基础的,A表不足的地方用NULL填充.
--------------------------------------------
3.inner join
sql语句如下:
select * from A
innerjoin B
on A.aID = B.bID

结果如下:
aID　　　　　aNum　　　　　bID　　　　　bName
1　　　　　a20050111　　　　1　　　　　2006032401
2　　　　　a20050112　　　　2　　　　　2006032402
3　　　　　a20050113　　　　3　　　　　2006032403
4　　　　　a20050114　　　　4　　　　　2006032404

结果说明:
很明显,这里只显示出了 A.aID = B.bID的记录.这说明inner join并不以谁为基础,它只显示符合条件的记录.
--------------------------------------------
注:
LEFT JOIN操作用于在任何的 FROM 子句中，组合来源表的记录。使用 LEFT JOIN 运算来创建一个左边外部联接。左边外部联接将包含了从第一个（左边）开始的两个表中的全部记录，即使在第二个（右边）表中并没有相符值的记录。

语法：FROM table1 LEFT JOIN table2 ON table1.field1 compopr table2.field2

说明：table1, table2参数用于指定要将记录组合的表的名称。
field1, field2参数指定被联接的字段的名称。且这些字段必须有相同的数据类型及包含相同类型的数据，但它们不需要有相同的名称。
compopr参数指定关系比较运算符："="， "<"， ">"， "<="， ">=" 或 "<>"。
如果在INNER JOIN操作中要联接包含Memo 数据类型或 OLE Object 数据类型数据的字段，将会发生错误.

谢谢楼主对程序的详尽解释，很受用。

膜拜！！！！

楼主好热心呀!
infile语句的XXX好像只是个占位符,除了在log里露了个小脸之外,不起实际作用的

http://www.pinggu.org/bbs/thread-889793-1-1.html
原程序在这里
在这里提供了两个循环调用宏的方法，一个是用另外一个宏循环调用外部的已经编写好的宏 另外一个是在data步里面调用宏。
%macro outer;
%do i=1 %to 10;
%inner2(0, 1, &i);
%end;
%mend;

%outer

这个是第一个方法，其实这个方法我最熟悉也经常用的一个方法，封装在另外一个宏循环里面，结构清晰，不容易出错。
其实在这里给我们写程序提供了一个思路，对于一个比较复杂的程序来说，我们要学会功能分解，结构化的去设计程序。例如在这个程序里面，
我们讲重复需要实现的过程或者步骤写成一个宏程序，设置好宏参数。解决一个比较复杂问题的时候，将问题分解成若干个小问题，对于每一个问题或者每一个功能写成一个宏模块，但是一定要设计好参数，这个参数是与其他结构模块相互沟通的接口。就想现在建房子一样，都是组合式，每一个部门都是标准化设计，然后组合在一起实现一个整体的需要或者整体的功能。


hopewell的程序里面提供一个宏宇data步交互的方法

• %macro inner(x,y,z);
•         %put NOTE:*** Macro inner: x=&x y=&y z=&z ***;
• %mend inner;
• data _null_;
•         do i=1 to 3;
•                 call execute(cats('%inner(0,1,',put(i,best.),')'));
• /*                %inner(0,1,i);*/
•         end;
• run;

其实要说难理解应该是call execute(cats('%inner(0,1,',put(i,best.),')'));
其实这句话里面cats连接字符函数，最后得出的结果其实就是call execute('%inner(0,1,i)')
但是在这里如果直接写call execute('%inner(0,1,i)')岂不是更简洁？
如果说是没有参数，call execute('%inner') 这样是可以的，但是如果是参数，就注意，如果写成call execute('%inner(0,1,i)')，他会解析成一个宏调用，%inner(0,1,i)，同时DATA步停止，而不是我们想的%inner(0,1,1)这样，因此要想得到%inner(0,1,1)这样解析结果，就要对I进行一个处理，把%inner(0,1,1)看做一个字符串，对于这个字符串变化的那个需要用put函数将其转换一个字符，用cats来连接。

至于call execute的使用方法：可以看看下面一个我转载的帖子


[功能]
　　解析参数，如果解析后的值是sas语句（sas statement），则在下一个步边界（step boundary）执行；
　　如果此值为macro语言元素（macro language element），则立即执行．
　　用于在data step中与macro机制进行交互．
　　[分类]
　　宏（macro）
　　[语法]
　　CALL EXECUTE（argument）；
　　[参数]
　　argument
　　指定一个产生宏调用或者sas语句的字符表达式或者常量．argument可以是：
　　一个字符串，放入引号内
　　data步的字符变量，不要使用引号括住
　　一个字符表达式，数据步解析成宏文本表达式（macro text expression）或者sas语句．
　　[详细]
　　如果参数被解析成一个宏调用，则宏立刻运行，在这个宏执行时，data步的执行暂停．
　　如果参数被解释成一个sas语句，或者宏的执行产生sas语句，这些语句在call execute
　　子程序的所在的data步结束后才执行．
　　[CALL EXECUTE子程序同步（timing）详解]
　　当想有条件的执行macro时，CALL EXECUTE很有用．但牢记，如果call execute产生macro language elements，
　　则他们立即执行；如果call execute产生sas language statements，或者macro language elements产生
　　sas language statements，这些statements在当前data step执行后执行．
　　下面两个例子阐述用户使用call execute常有的问题
　　例1：
　　data prices；/* ID for price category and actual price */
　　input code amount；
　　cards；
　　56 300
　　99 10000
　　24 225
　　；
　　%macro items；
　　%global special；
　　%let special＝football；
　　%mend items；
　　data sales；/* incorrect usage */
　　set prices；
　　length saleitem $ 20；
　　call execute（'%items'）；
　　saleitem＝”&special”；
　　run；
　　在DATA SALES step中，在data步编译时，对SALEITEM的赋值需要macro变量SPECIAL的值．
　　但是直到data step执行时，call execute才产生这个值．所以，在log中能看一个
　　未解析宏变量的消息，并且SALEITEM的值为&special．
　　在这个例子中，去掉宏定义或者把DATA SALES步放到宏ITEMS中更好．在这两种情况下，
　　call execute都不必要，也没什么用处．下面是此程序正确的一个版本
　　data prices；/* ID for price category and actual price */
　　input code amount；
　　cards；
　　56 300
　　99 10000
　　24 225
　　；
　　%let special＝football；/* correct usage */
　　data sales；
　　set prices；
　　length saleitem $ 20；
　　saleitem＝”&special”；
　　run；
　　例2：
　　/* This version of the example shows the problem．*/
　　data prices；/* ID for price category and actual price */
　　input code amount；
　　cards；
　　56 300
　　99 10000
　　24 225
　　；
　　data names；/* name of sales department and item sold */
　　input dept $ item $；
　　cards；
　　BB　Boat
　　SK　Skates
　　；
　　%macro items（codevar＝）；/* create macro variable if needed */
　　%global special；
　　data _null_；
　　set names；
　　if &codevar＝99 and dept＝'BB'then call symput（'special'，item）；
　　run；
　　%mend items；
　　data sales；/* attempt to reference macro variable fails */
　　set prices；
　　length saleitem $ 20；
　　500 then
　　call execute（'%items（codevar＝'|| code || '）'）；
　　saleitem＝”&special”；
　　run；
　　在这个例子中，宏ITEMS生成一个DATA _NULL_ step，这个step在DATA SALES step执行之后
　　才执行．而在DATA SALES编译时就需要DATA _NULL_　step中创建的SPECIAL．
　　正确的一个例子：
　　/* This version solves the problem．*/
　　data prices；/* ID for price category and actual price */
　　input code amount；
　　cards；
　　56 300
　　99 10000
　　24 225
　　；
　　data names；/* name of sales department and item sold */
　　input dept $ item $；
　　cards；
　　BB　Boat
　　SK　Ski
　　；
　　%macro items（codevar＝）；/* create macro variable if needed */
　　%global special；
　　data _null_；
　　set names；
　　if &codevar＝99 and dept＝'BB'then
　　call symput（'special'，item）；
　　run；
　　%mend items；
　　data _null_；/* call the macro in this step */
　　set prices；
　　500 then
　　call execute（'%items（codevar＝'|| code || '）'）；
　　run；
　　data sales；/* use the value created by the macro in this step */
　　set prices；
　　length saleitem $ 20；
　　saleitem＝”&special”；
　　run；
　　上面的例子使用一个DATA _NULL_ step来调用宏ITEMS．在这个step结束后，由ITEMS产生的
　　DATA _NULL_ step执行，并创建宏变量SPECIAL．

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：crackman Ackman CRACK sas程序 CRA 程序 SAS crackman

版主分析的真详细啊，受教了

写个宏，然后再用%do不就得了。

data raw;
        input date yymmdd8. week;
        format date yymmdd10.;
datalines;
20100628 1
20100629 1
20100630 1
20100701 1
20100702 1
20100705 2
20100706 2
20100707 2
20100708 2
20100709 2
20100712 3
20100713 3
20100714 3
;

data out;
        _temp=0;
        do _n_=1 by 1 until(last.week);
                set raw ;
                by week;
                _temp+1;
        end;
         if _temp=5 then output;
        do _n_=1 to _n_;
                set raw;
                if _temp<5 then output;
        end;
run;

http://www.pinggu.org/bbs/thread-865714-1-1.html原问题这此帖
1.第一个do until循环实现的是计数：就是计算同一个WEEK的累及个数，存在变量_temp中
2.IF THEN 选择输出
3.遍历RAW数据集，选择输出。

在这里注意个就是BY的用法
分组遍历数据集RAW

还要注意UNTIL里面的last.week的用法，直到last.week=1的时候停止循环

其实也可以这样来写：

data raw;
        input date yymmdd8. week;
        format date yymmdd10.;
datalines;
20100628 1
20100629 1
20100630 1
20100701 1
20100702 1
20100705 2
20100706 2
20100707 2
20100708 2
20100709 2
20100712 3
20100713 3
20100714 3
;
proc sort data=raw;
by week;
run;
data out;
set raw;
by week;
if first.week then _temp=1;
else _temp+1;
run;
data out(drop=_temp);
set out;
if week=3 or _temp=5;
run;