其實我是不喜歡sas的。當然，我不喜歡她，並不代表她不好，實際上在某些應用場景下sas是款很優秀的軟體。我的資料分析之路始於r,品嚐過r的靈活與簡潔（不論是軟體安裝還是語法）後，再來學習sas，的確提不起興致。然而由於：1.導師的專案資料量較大（幾gb到幾十gb）；2.之前的專案**師兄已經用sas很優美地實現了；3.我莫名地當上了該專案負責人，要帶著師弟師妹做該專案。我也只**著頭皮學習sas。奈何現在腦力大不如前，看的東西越來越記不住，於是下定決心梳理一下sas相關知識。
在sas中，我們使用data步來讀入資料，data步在讀入資料時實際上有兩個階段：編譯（compilation）和執行（execution）。過程如下：
在編譯階段中，逐個掃瞄語句，如果發現語法錯誤，sas報錯並終止執行；如果編譯階段中沒有發現任何語法錯誤，進入執行階段。
在執行過程中，data部讀入第一條資料，在sas中建立第一條觀測；讀入第二條資料，在sas中建立第二條觀測；讀入第三條資料，在sas中建立第三條觀測……直至讀入最後一條資料並在sas中建立最後一條觀測。我們可以把這個過程當做隱式迴圈（和do,do while,do until語句區分，它們是顯示迴圈）。
需要注意的是，並不是data步中的所有語句都是在執行階段執行，事實上，可以把data步語句分為兩類：可執行語句（executable）和宣告語句（declarative）。
宣告語句只在編譯階段起作用，它可以放在data步的任何位置。下面是一些基本的data步宣告語句：
length：設定內部變數長度
format:設定變數輸出格式
label:設定變數標籤
drop：指示輸出檔案中刪掉哪些變數
keep：指示輸出檔案中包含哪些變數
與宣告語句不同，可執行語句在data步中順序很重要。比如從外部讀取乙個文字檔案，我們必須以infile語句開始，告訴sas從**讀檔案；然後輸入input語句，告訴sas怎麼讀該檔案。所以，infile語句必須在input語句前面，順序很重要。
sas從外部讀入原始資料（raw data）時，會在編譯階段開始時建立乙個輸入緩衝區（input buffer）來儲存raw data。如果是從外部直接讀入sas資料（.sas7bdat檔案）則不會建立輸入緩衝區。sas在編譯階段還會建立pdv（program data vector），pdv其實就是記憶體中的一塊區域，通過pdv將讀入的raw data的每一條資料變成sas資料集中的每一條觀測。在pdv中有兩個自動變數，_n_和_error_。_n_=1表示正在建立第一條觀測，_n_=2表示正在建立第二條觀測，依次類推。_error_只有0和1兩個取值，等於0表示在建立當前觀測時未發現錯誤，等於1表示在建立當前觀測時發現錯誤。除了這兩個自動變數外，pdv中還有data步在建立的資料變數。
假設在我們電腦d盤裡有乙個student.txt檔案，內容如下（第一行紅字表示每個字元的所佔列位置編號，不是文件內容）
12345678901234567890
barbara 6112d現在我們用data步讀入這個檔案，並計算每個學生的bmi，看看pdv的工作原理。**很簡單：john 62 175
data ex1;一開始，pdv中只有_n_,_error_這兩個自動變數。infile
'c:\student.txt';
input name $ 1-7 height 9-10 weight 12-14;
bmi = 700*weight/(height*height);
output;
run;
**執行到 input name $ 1-7 height 9-10 weight 12-14;時，pdv中會按照input後變數的順序建立name,height,weight三個變數，d表示dropped，k表示kept。只有帶k的變數才會output到資料集中。
**執行到bmi = 700*weight/(height*height);
時,pdv中建立bmi這個變數
在編譯階段，sas會檢查語法是否正確，在編譯結束的時候，會建立sas資料集的內容描述，包括資料集的名字，觀測數，變數名，變數數目，變數型別，所有這些內容都可以通過contents輸出。
在執行階段的開始，自動變數_n_會被初始化1，自動變數_error_被初始化0。一旦infile語句識別了我們待讀取檔案的路徑，input語句就會把待讀取檔案的第一條資料複製到輸入緩衝區。
接著，我們的輸入指標（input pointer,下圖的紅色箭頭）會在（@）輸入緩衝區的開始處。
然後，輸入指標（紅色箭頭）會根據input語句定義的方式讀入輸入緩衝區的這條記錄，並移動輸入指標，在我們的例子中是將1-7列讀入name，9-10列讀入height，12-14列讀入weight，此時輸入指標位於第15列。將記錄寫入到pdv,因為weight變數型別錯誤，所以weight變數值為空（.），同時_error_會變為1，因為weight為空，所以bmi也為空。
然後執行output語句，將pdv中的這條資料輸出到我們的sas資料集--work邏輯庫中的ex1。到此student.txt中的第一條資料已讀入sas資料集。
sas返回到data步的第一條語句，也就是data ex1;開始讀取student.txt中的第二條資料，此時_n_變為2，_error_重新置為0，其餘過程同上。如此往復，直至我們的輸入指標遇到eof(end of the file)，退出迴圈。data步結束。
在我們的這個例子中，如果我們不使用output也可以讀入該資料，這是因為在data步中，當使用者沒有顯式指定output時，sas會隱式呼叫output。不論顯式還是隱式output，它們的作用都是講pdv的那條資料output到我們的sas資料集中。
20160524 資料分析與SAS1 資料模型
一 資料模型共六層 bi指345層 6boss決策 5資料展現層 4資料探勘，和傳統統計分析不一樣，統計分析的目標很清楚手段也很明確，但是資料探勘目標手段都不明確，能挖出什麼來也不確定，資料探勘和資料分析界限不是很分明，統稱為分析層 3統計分析 查詢，觀察資料狀態，如通過平均值 方差 count 排...
《SAS程式設計與資料探勘商業案例》學習筆記之一
今天有空看到一本挺不錯的書，仔細閱讀，發現很多有用的知識點，於是認真研讀起來，以下是初步的要點筆記。切換至日誌視窗的命令是 log 熱鍵是f6 切換至輸出視窗的命令是 output 熱鍵是f7 切換至編輯器視窗快捷鍵是f5 f3，f8是提交 sas程式 ctrl e 是清除視窗中的內容一.查 看資料...
《SAS程式設計與資料探勘商業案例》學習筆記之十四
繼續 sas程式設計與資料探勘商業案例 學習筆記系列，本次重點 常用全程語句 所謂全程語句，是指可以用在任何地方的sas語句，既可以用在data資料步語句裡面，也可以用在proc過程步裡面，甚至可以單獨使用，本次只針對商業應用中常用的語句進行總結 1.comments 語句形式有兩種 comment...