
SAS编程中的这些小问题你遇到过吗
在用SAS编程时,总是时不时会遇到各种各样的小问题,我本人也遇到过一些有意思的问题,在写程序的过程中,为了避免这些小问题也慢慢的积累了一些经验,那么通过这一节分享给大家吧,希望会给各位童鞋带来一些帮助!
问题一
WARNING: The quoted string currently being processed has become more than 262 bytes long. You might have unbalanced quotation marks.
上述问题一般出现在这种情况下:
data tmp;
do i = 1 to 100;
var = 'var'||left(i);
output;
end;
run;
proc sql;
select var into : varlist separated by ' '
from tmp;
quit;
data _null_;
var = scan("&varlist.",1,' ');
put var =;
run;
当我需要对某一个变量的所有行值生成一个宏变量的时候,就会通过如上的方式进行编程,那么通过scan函数进行拆解时,就会得到上述这种警告。从上述警告可以看到是因为字符超过了262个字节。尽管没有报错,但是出于编程的完美运行角度看,有些童鞋可能就受不了了。
那么我们可以通过添加一行代码来解决这个问题:
options noquotelenmax;
问题二
WARNING: 没有解析符号引用 VARLIST。
这种警告应该会很常见,那么我所指的问题并不是通常我们所说的宏变量未生成的情况,而是在有条件的生成宏变量的情况下合理的未生成宏变量的结果,如下所示:
proc sql;
select distinct age into : agelist separated by ' '
from sashelp.class
where age > 16;
quit;
%put agelist = &agelist.;
上述代码表示将满足条件的age不重复的通过空格分隔符生成宏变量agelist,但是很显然数据集中的age并不满足这个条件,因此会出现上述所谓的警告,那么为了避免这个问题,我们可以在程序的最前面对宏变量进行声明,可以是局部的,也可以是全局的,视具体情况而定,这样我们就可以得到一个初始化的值为空的宏变量。
在这里,我们对其进行全局的声明:
%global agelist;
问题三
WARNING: 没有解析宏 CI 的调用。
在统计报告的报表里,通常在第一列的某一行会出现一个标签“%95CI”,而为了让这个标签出现,我们通常习惯用下列语句:
proc sql;
create table tmp as
select '('||compress(lower)||','||compress(upper)||')' as confidence label = "95%CI"
from dataset;
quit;
通过上述类似这种语句我们就可以得到对应的95%CI,那么为了避免%被误认为宏的调用,我们可以采用两种办法:
一:label = '95%CI'
二:label = %nrstr("95%CI")
问题四
这个问题来自论坛,涉及到anydtdte的格式默认长度问题,很有意思,特意贴出来。
程序如下所示:
data a;
input date $ 1-51;
cards;
2012-01-19T11:30
2011-12-22T11:15
2012-03-08T08:15
;
run;
data b;
set a;
date1=scan(date,1,'T');
date2=input(date,anydtdte.);
format date2 date9.;
run;
最终的结果如下所示:
上述结果有两处问题:
第一:date2的结果与date1的日期结果对不上,例如第二列为2012年1月19日,到了第三列变成了2012年1月1日;
第二:第三列date2的最后一行结果为缺失。
那么问题的关键在在哪呢,从上述代码我们可以看到编程做日期转换的过程中采用anydtdte格式来进行转化,这个思路并没有错,那么错在什么地方呢?
首先给出SAS HELP的语法:
从上述编程可看到,这么童鞋在采用anydtdte格式进行转化时并没有设定字符长度,而是采用了anydtdte默认读取的长度值9,因此在读取date1字符串时,就变成了只读取前9位,因而出现日期对不上,到了最后一行更是因为第九位数字为0而没有此日期因此无法转化从而出现缺失的情况。
那么纠正这个错误想必各位童鞋都应该了解了,只需要在anydtdte后面加个数字10就完美的解决了这个问题了。
date2=input(date,anydtdte10.);
问题五
%abort 和 %return
关于这两个宏语句,作用都差不多,都是为了中断程序的运行,只是轻重程度不一样,这一点需要谨记:
%abort直接结束SAS进程。也就是说你的SAS在执行完这个语句之后,你的SAS会被立即关闭,甚至都来不及保存,因此运行这个语句需要慎重考虑。
%return 中断你当前运行的宏。
对于%return举个简单的例子:
%macro checkit(error);
%if &error = 1 %then %do;
%put 程序中断,请修正参数;
%return;
%end;
%else%put 继续进行;
%mend checkit;
上述编程表示当输入的error = 1 时,日志会输出“程序中断,请修正参数”,同时宏被中断;当输入的error = 其他值时,日志会输出“继续进行”。
问题六
为了凑成六六大顺,再写一个今天某位童鞋遇到的一个问题吧。
问题是这样的:
一个数据集的一个变量假定为var,var的值为1 1 2 2 2 3 . . 5。可以看到有2个1,3个2,2个缺失,一个5。那么这位童鞋想通过程序统计var为2的个数,于是写出了如下代码:
proc sql;
select count(var = 2) as varcnt
from tmp;
quit;
这位童鞋可能有点不太明白sum函数和count函数在遇到逻辑比较运算的时候的区别。
首先我说一下count函数吧。
Count函数一般在sql中有两种写法,一种是count(*),这个表示对数据集行数的统计,如果加了group by,那就是分组的行数统计;一种是count(variable),这个是表示对某一个变量的非缺失行数的统计,加了group by 那也是同理;如果加了逻辑比较运算的话,像count(expression),跟count(*)基本上没啥区别,当然前提是这个运算不是简单的数值运算,我们知道数值运算中缺失值加任何值都是缺失,除非采用计算函数。
以上述数据为例:
data tmp;
input var @@;
cards;
1 1 2 2 2 . . 5
;
run;
proc sql;
select count(var) from tmp;
select count(*) from tmp;
select count(var = 1) from tmp;
quit;
最终得到的结果是:第一行为6,第二行为8,第三行为8。第三行中var = 1最终的结果要么是0,要么是1,因为非缺失的var的值 = 1肯定要么是0要么是1,而缺失的var值 = 1 的结果肯定是0,因此都是非缺失的,因此其实跟第一种写法意义一样。数据分析师培训
而sum函数则一般在sql中有两种写法:一种是sum(variable),这个表示对variable每行值的累加,不考虑缺失值;一种是sum(expression),那么就是对expression的结果进行累加,如果expression = 1 ,那么就是加1,如果expression = 0,那么就是加0。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24