SAS学习系列11.-对数据做简单的描述统计

11.对数据做简单的描述统计（一）使用procmeans描述数据用procmeans过程步，可以对数据做简单的描述统计，包括：非缺省值个数、均值、标准差、最大值、最小值等。基本语法：PROCMEANSdata=数据集可选项;VAR变量列表;CLASS分组变量;BY变量;WEIGHT变量;（加权平均的权数）FREQ变量;（相应观测出现的频数）说明：（1）可选项“MAXDEC=n”用来指定输出结果的小数位数；（2）默认是对数据集的所有数值变量的非缺省值做描述统计，若想包含缺省值，加上可选项“MISSING”；（3）VAR语句指定要做描述统计的变量；CLASS语句指定按分组变量对数据进行分组分别做描述统计；BY语句同CLASS语句（需要事先按BY变量排好序）；（4）默认输出非缺省值个数、均值、标准差、最大值、最小值；也可以自己指定需要输出的描述统计量：MAX——最大值；MIN——最小值；MEAN——均值；MEDIAN——中位数；MODE——众数；N——非缺省值个数；NMISS——缺省值个数；RANGE——极差；STDDEV——标准差；SUM——累和；例1鲜花销售的数据（C:\MyRawData\Flowers.dat），变量包括顾客ID，销售日期，petunias，snapdragons，marigolds三种花的销量：读取数据，计算新变量销售月份month，并使用procsort按照月份排序，并使用procmeans的by语句来按照月份描述数据。代码：datasales;infile'c:\MyRawData\Flowers.dat';inputCustID$@9SaleDateMMDDYY10.PetuniaSnapDragonMarigold;Month=MONTH(SaleDate);procsortdata=sales;byMonth;/*CalculatemeansbyMonthforflowersales;*/procmeansdata=salesMAXDEC=0;byMonth;varPetuniaSnapDragonMarigold;title'SummaryofFlowerSalesbyMonth';run;运行结果：（二）使用统计量有时候需要将统计量存入新数据集，以便进一步做数据分析，或者与原数据集合并。一、将统计量存入新数据集可以用ODS（OutputDeliverySystem）系统或者OUTPUT语句，下面介绍用OUTPUT语句。语法：OUTPUTOUT=数据集名统计量名(变量列表)=新列名;示例：PROCMEANSDATA=zooNOPRINT;VARLionsTigersBears;OUTPUTOUT=zoosumMEAN(LionsBears)=LionWeightBearWeight;RUN;例2仍然是例1的鲜花数据，读取数据，按照CustomerID排序，使用procmeans过程，将mean和sum值存入新数据集totals中。代码：datasales;infile'c:\MyRawData\Flowers.dat';inputCustID$@9SaleDateMMDDYY10.PetuniaSnapDragonMarigold;procsortdata=sales;byCustID;/*CalculatemeansbyCustomerID,outputsumandmeantonewdataset;*/procmeansNOPRINTdata=sales;byCustID;varPetuniaSnapDragonMarigold;outputout=totalsmean(PetuniaSnapDragonMarigold)=MeanPMeanSDMeanMsum(PetuniaSnapDragonMarigold)=PetuniaSnapDragonMarigold;procprintdata=totals;title'SumofFlowerDataoverCustomerID';formatMeanPMeanSDMeanM3.;run;运行结果：程序说明：（1）“NOPRINT”告诉SAS不产生任何输出结果，因为已经存入新数据集zoosum;（2）保存统计量的新数据集，包括想要的统计量、BY/CLASS语句的变量、_TYPE_、_FREQ_;（3）BY语句变量有3个水平：756-01、834-01、901-02，结果是3个观测，CLASS类似。二、合并统计量到原数据集1.前面讲到将按“BY变量”分组统计量保存为统计量数据集，进一步可以用MERGE语句，将统计量数据集按照公共的“BY变量”，通过一对多匹配合并到原数据集。例3运动鞋经销商的销售数据（C:\MyRawData\Shoesales.dat），变量包括风格名称、运动类型、第四季度销量：市场经理想要一个报表，每种风格运动鞋占该运动类型销量中的百分比。代码：datashoes;infile'c:\MyRawData\Shoesales.dat';inputStyle$1-15ExerciseType$Sales;run;procsortdata=shoes;byExerciseType;run;/*SummarizesalesbyExerciseTypeandprint;*/procmeansNOPRINTdata=shoes;varSales;byExerciseType;outputout=summarydatasum(Sales)=Total;run;procprintdata=summarydata;title'SummaryDataSet';run;/*Mergetotalswiththeoriginaldataset;*/datashoesummary;mergeshoessummarydata;byExerciseType;Percent=Sales/Total*100;run;procprintdata=shoesummary;byExerciseType;idExerciseType;varStyleSalesTotalPercent;title'SalesSharebyTypeofExercise';run;运行结果：2.若统计量是全体观测的汇总统计量（无BY变量做分组统计），此时，就不能直接采用一对多匹配（没有共同“BY变量”）合并。但可以用SET语句实现。语法：DATA新数据集;IF_N_=1THENSET汇总统计量数据集;SET原数据集;注：“汇总统计量数据集”只有一条观测值。创建新数据集时，第一次迭代循环（_N_=1）就读入该观测值，并一直为后续读入“原数据集”保留它（相当于RETAIN语句）。该语法机制也可用于：没有匹配变量情况下，将一条观测与多条观测合并。例4仍是例3的数据，市场经理想要一个报表，每种风格运动鞋占总销量的百分比。代码：datashoes;infile'c:\MyRawData\Shoesales.dat';inputStyle$1-15ExerciseType$Sales;run;*Outputgrandtotalofsalestoadatasetandprint;procmeansNOPRINTdata=shoes;varSales;outputout=summarydatasum(Sales)=GrandTotal;RUN;procprintdata=summarydata;title'SummaryDataSet';run;*Combinethegrandtotalwiththeoriginaldata;datashoesummary;if_N_=1thensetsummarydata;setshoes;Percent=Sales/GrandTotal;run;procprintdata=shoesummary;varStyleExerciseTypeSalesGrandTotalPercent;formatPercentPERCENT.2;title'OverallSalesShare';run;运行结果：（三）使用procfreq为数据计数用procfreq过程步可以对数据集的变量计算频数，再用tables命令以表格的形式输出：只输出一个变量（单向表）；输出两个变量（双向表）；输出多个变量（交叉表）。频数表也可以用来检查错误数据。语法：PROCFREQdata=数据集;TABLES变量组合/可选项;注：（1）关于变量组合：一个变量的单向表，用“TABLES变量;”；两个变量的双向表，用“TABLES变量1*变量2;”；（2）常用的可选项有：LIST——用list形式打印交叉表（而不是网格）；MISSING——频数统计量中包含缺失值；NOCOL——强制在交叉表中不打印列百分比；NOROW——强制在交叉表中不打印行百分比；OUT=data-set——输出数据集；例5咖啡店的销售数据（C:\MyRawData\Coffee.dat），记录了销售的咖啡种类（cappuccino,espresso,kona,icedcoffee），以及每次购买的顾客是打包还是原地就饮：读入数据，计算两个变量的频数。代码：dataorders;infile'c:\MyRawData\Coffee.dat';inputCoffee$Window$@@;*PrinttablesforWindowandWindowbyCoffee;procfreqdata=orders;tablesWindowWindow*Coffee;*输出两个表：Window的单向表、Window和Coffee双向表;run;运行结果：程序说明：（1）默认缺省值不计入频数，使用可选项MISSING可以包含缺省值；（2）观察表2，可以发现Kon是错误数据，应该是kon.（四）使用proctabulate生成表格报表用proctabulate过程步可以生成表格报表，相当于给普通输出报表做个“礼盒包装”，让报表更美观好看。该过程还可以计算、加入、输出统计量。基本语法：PROCTABULATEMISSINGdata=数据集指定格式;VAR指定作统计分析的变量;CLASS分组变量;（按变量的值对数据做分组，分别处理）TABLE分页变量,分行变量,分列变量/可选项;说明：（1）TABLE语句定义表格形式：页维度、行维度、列维度；指定一个变量默认是列形式，指定两个变量默认是行列形式；（2）tabulate可以加上如下的关键词（用在TABLE变量中计算各统计量）：ALL——增加一行、一列或一页，显示总数目；MAX——最大值；MIN——最小值；MEAN——平均值；MEDIAN——中位数；N——非缺省值个数；NMISS——缺省值个数；P90——90%分位数；PCTN——某类的观测值百分数；PCTSUM——某类值总和的百分数；STDDEV——标准差；SUM——求和；（3）TABLE语句中，可以对变量做连接、交叉，或者它们的组合：“连接”示例：TABLELocomotionTypeALL;“交叉”示例：TABLEMEAN*Price;“组合”示例：TABLEPCTN*(LocomotionType);（4）可以在proc步用可选项指定格式（全局），指定所有数据的输出格式，例如，PROCTABULATEDATA=boatsFORMAT=COMMA10.0;（5）TABLE语句的可选项：/BOX=’str’，可以给表格报表的左上角方框输出“说明性短句”；/MISSTEXT=’str’，可以给表格中的缺省数据指定一个“值”；例如，TABLERegion,MEAN*Sales/BOX='MeanSalesbyRegion'MISSTEXT='NoSales';例6关于船的数据（C:\MyRawData\Boats.dat），变量包括名称、港口、动力方式、类型、价格、船长（英尺）：读入数据生成二维（列×行）表格报表：变量L