SAS学习系列09.-用SET语句创建-修改数据集

09.用SET语句创建,修改数据集（一）用SET语句创建/修改数据集用SET语句，可以从已有数据集创建新数据集、增加新变量、修改数据集。注意：SET语句是一次一个观测值地，对已有数据集循环执行数据步创建新数据集。一、基本语法data新数据集名(可选项);set已有数据集名(可选项);示例（从数据集sales创建子数据集Friday，增加变量Total）：datafriday;setsales;ifDay='F';Total=Popcorn+Peanuts;run;例1关于火车运汽车的数据（C:\MyRawData\Train.dat），包括发车时间、火车上的汽车数、火车中的人数：数据被读入一个永久数据集trains.sas7bdat中，储存在“D:\我的文档\MySASFiles\9.3”目录下。代码：data'c:\MySASLib\trains';infile'c:\MyRawData\Train.dat';inputTimeTIME5.CarsPeople;run;由于每辆车的最大乘客数为6人，现在想知道一列火车上，平均每辆汽车的乘客数是多少，在一个新数据集中插入一列计算。代码：dataaveragetrain;set'D:\我的文档\MySASFiles\9.3\trains';PeoplePerCar=People/Cars;run;procprintdata=averagetrain;title'AverageNumberofPeopleperTrainCar';formatTimeTIME5.;run;运行结果：二、用“drop（舍弃）和keep（保留）选项”选择变量（列）在data步中该选项以及SET语句，可以控制从原数集中读出的变量是否被写入要创建的数据集。基本形式：data新数据集名(keep=变量1…)(drop=变量1…);set旧数据集;注：keep和drop选项也可用于输出数据集时的可选参数；另外，rename选项可以对列变量重命名，示例：dataanimals(RENAME=(Class=TypeHabitat=Home));setanimals;例2学生成绩数据（c:\MyRawData\tests.txt），包含变量Name,Subject,Gender,Exam1,Exam2,Homework:读入数据，创建新数据集，舍弃变量Subject和Homework，重命名变量Name为StudentName.代码：dataTest;infile'c:\MyRawData\tests.txt';inputName$1-9Subject11-12Gender$14Exam116-18Exam220-22Homework$24;run;procprintdata=Test;title'Test';run;dataTest1(DROP=SubjectHomeworkRENAME=(Name=StudentName));/*用(KEEP=NameGenderExam1Exam2)也一样效果*/setTest;procprintdata=Test1;title'Test1';run;运行结果：三、SET语句中使用可选项FIRSTOBS=n和OBS=m选择观测值（行）表示只选择旧数据集中的第n条到第m条观测值。示例：dataanimalssetanimals(FIRSTOBS=101OBS=120);另外，选择观测值（行），也可用IF-THEN（条件）语句选出满足条件的观测值（行）。【见前文】（二）用UPDATE语句更新数据集的数据经常会遇到需要不断更新的数据集，比如银行账户每笔交易完需要更新有变动的数据。用UPDATE语句可以实现这一功能，需要主数据集和新数据集有共同变量（来匹配）。基本形式：data主数据集;update主数据集新数据集;by共同（匹配）变量;注：（1）主数据集和新数据集都需要事先按共同变量排好序，且共同变量必须具有唯一性；（2）新数据集中的缺省值不会改下主数据集的相应数值。例3医院有一份关于病人的主数据（C:\MyRawData\Admit.dat）变量包括病人账户号、姓名、地址、出生日期、性别、保险代码、信息最后更新的时间：当有新病人或其他病人再进医院时，信息会被更新，比如，第一个病人的保险代码被更换了、最后一个病人的缺失数据被填补上、有新病人加入。更新数据文件（C:\MyRawData\NewAdmit.dat）如下：将主数据存入一个名为patientmaster的永久数据集，读取新数据并排序，使用update语句将新数据更新到主数据中。代码：libnameperm'D:\我的文档\MySASFiles\9.3';dataperm.patientmaster;infile'c:\MyRawData\Admit.dat';inputAccountLastName$8-16Address$17-34BirthDateMMDDYY10.Sex$InsCode$48-50@52LastUpdateMMDDYY10.;run;dataperm.transactions;infile'c:\MyRawData\NewAdmit.dat';inputAccountLastName$8-16Address$17-34BirthDateMMDDYY10.Sex$InsCode$48-50@52LastUpdateMMDDYY10.;run;procsortdata=transactions;byAccount;run;*Updatepatientdatawithtransactions;dataperm.patientmaster;updateperm.patientmastertransactions;byAccount;run;procprintdata=perm.patientmaster;formatBirthDateLastUpdateMMDDYY10.;title'AdmissionsData';run;运行结果：另外，也可以用MODIFY语句修改数据集，比用SET语句修改更有效率，因为MODIY修改数据集，只是在原数据集上做修改，而不会创建新数据集。（三）用TRANSPOSE过程步对数据集转置有时候需要将数据集（表）的观测值（行）和变量（列）交换，即把观测值变为变量，把变量变为观测值，用TRANSPOSE过程实现。基本形式：proctransposedata=原数据集out=转置数据集可选项;by原数据集中不参与转置的列变量;id给转置后的列赋予变量名;var原数据中需要转置的列变量;说明：（1）by语句指定原数据集中不参与转置的变量（转置之前需要先按该变量排好序），一般“用来分组的变量”不参与转置，例如上图中的X列；（2）id语句给转置后的列赋予变量名，默认是：COL1COL2……，可以使用原数据集的某列（若该列是数值，则加下划线作为前缀，以符号变量的命名规范）；（3）可选项“NAME=变量名”，为原数据集各列变量名（在转置数据集作为第一列）起个变量名，默认是用_NAME_;（4）可选项“PREFIX=前缀”，用“前缀”替换（2）中默认列变量名的“COL”。例4关于儿童棒球联盟选手的数据（C:\MyRawData\Transpos.dat），包括包括队名、选手编号、类型（击球数/击球率）、以及击球数/击球率：观察数据，第3列的salary(击球数)、batavg（击球率）应该是列变量名，其取值是第4列。读取数据，对第3列进行转置。代码：databaseball;infile'c:\MyRawData\Transpos.dat';inputTeam$PlayerType$Entry;procsortdata=baseball;byTeamPlayer;procprintdata=baseball;title'BaseballDataAfterSortingandBeforeTransposing';run;*Transposedatasosalaryandbatavgarevariables;proctransposedata=baseballOUT=flipped;byTeamPlayer;idType;varEntry;procprintdata=flipped;title'BaseballDataAfterTransposing';run;运行结果：（相当于将红圈的四个值转置，同时两行并一行）程序说明：（1）“byTeamPlayer”指定原Team列和Player列，不参与转置，仍作为转置数据集的列；（2）“idType”指定Type列的值：salary和batavg作为转置数据的变量名；（3）“varEntry”指定对Entry列进行转置，同时列名“Entry”将作为“值”成为转置数据集的一列，默认列名是“_NAME_”，可用【可选项“NAME=…”】修改它。