京公网安备 11010802034615号
经营许可证编号:京B2-20210330
SAS、R如何手动输入数据
一道简单的题目,将下面的数据分别手动输入到SAS和R中,如何实现?
一、SAS
解决方案:
data cust_base_info;
inputcust_no$ name$sex$ is_marriage$birthday:yymmdd10.aum_m_avgods_date:yymmdd10.@@;
format birthday yymmdd10. ods_date yymmdd10.;
cards;
1LiMingMaleTRUE1984052151428.0620170331
2ZhangHongyiFemaleTRUE198201285203.420170331
3WangSimingMaleFALSE19830806214820170331
4ZhangCongMaleTRUE19830225110092.820170331
5LiuYingFemaleTRUE1988092038004.520170331
6MaMingyueFemaleFALSE198910191168020170331
;
run;
结果:
备注:
(1)字符型的变量需要在变量名后加上'$'符,比如:'cust_no$','name$';数值型变量就不需要,比如:'aum_m_avg'。
(2)日期型的变量,比如'birthday',需要加上相应的格式,比如:'birthday:yymmdd10.'和'format birthday yymmdd10.'。
(3)'@@'表示即时输入时不换行,SAS按照输入的顺序依次读取数据。
二、R语言
解决方案:
##在R中手动输入数据
cust_no <- c('1','2','3','4','5','6')
name<-c('LiMing','ZhangHongyi','WangSiming','ZhangCong','LiuYing','MaMingyue')
sex<-c('Male','Female','Male','Male','Female','Female')
is_marriage<-c('True','True','False','True','True','False')
##R语言中日期的默认输入格式为yyyy-mm-dd
birthday <- c('1984-05-31','1982-01-28','1983-08-06','1983-02-25','1988-09-20','1989-10-19')
##将日期的类型由字符型转化为date型
birthday <- as.Date(birthday)
aum_m_avg<- c(51428.06,5203.4,2148,110092.8,38004.5,11680)
##数据处理日期,由字符型转为date型
ods_date<- as.Date(rep('2017-03-31',6))
cust_base_info<- data.frame(cust_no,name,sex,is_marriage,birthday,aum_m_avg,ods_date)
##查看数据前6行
head(cust_base_info)
结果:
三、小结
手动输入数据,数值型变量最好处理,字符型变量加些格式,也好处理。难点在于日期的输入。
1、SAS中,需要在input时在变量后面加上特殊的日期格式,比如'ods_date:yymmdd10.'和'format ods_date yymmdd10.'。
2、R语言中,默认的输入格式是'yyyy-mm-dd',比如'1984-05-31'。输入完成后,因为它是字符型变量,需要将它用as.Date()函数转化为date型,例如birthday <- as.Date(birthday)。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化商业环境中,数据已成为企业优化运营、抢占市场、规避风险的核心资产。但商业数据分析绝非“堆砌数据、生成报表”的简单 ...
2026-01-20定量报告的核心价值是传递数据洞察,但密密麻麻的表格、复杂的计算公式、晦涩的数值罗列,往往让读者望而却步,导致核心信息被淹 ...
2026-01-20在CDA(Certified Data Analyst)数据分析师的工作场景中,“精准分类与回归预测”是高频核心需求——比如预测用户是否流失、判 ...
2026-01-20在建筑工程造价工作中,清单汇总分类是核心环节之一,尤其是针对楼梯、楼梯间这类包含多个分项工程(如混凝土浇筑、钢筋制作、扶 ...
2026-01-19数据清洗是数据分析的“前置必修课”,其核心目标是剔除无效信息、修正错误数据,让原始数据具备准确性、一致性与可用性。在实际 ...
2026-01-19在CDA(Certified Data Analyst)数据分析师的日常工作中,常面临“无标签高维数据难以归类、群体规律模糊”的痛点——比如海量 ...
2026-01-19在数据仓库与数据分析体系中,维度表与事实表是构建结构化数据模型的核心组件,二者如同“骨架”与“血肉”,协同支撑起各类业务 ...
2026-01-16在游戏行业“存量竞争”的当下,玩家留存率直接决定游戏的生命周期与商业价值。一款游戏即便拥有出色的画面与玩法,若无法精准识 ...
2026-01-16为配合CDA考试中心的 2025 版 CDA Level III 认证新大纲落地,CDA 网校正式推出新大纲更新后的第一套官方模拟题。该模拟题严格遵 ...
2026-01-16在数据驱动决策的时代,数据分析已成为企业运营、产品优化、业务增长的核心工具。但实际工作中,很多数据分析项目看似流程完整, ...
2026-01-15在CDA(Certified Data Analyst)数据分析师的日常工作中,“高维数据处理”是高频痛点——比如用户画像包含“浏览次数、停留时 ...
2026-01-15在教育测量与评价领域,百分制考试成绩的分布规律是评估教学效果、优化命题设计的核心依据,而正态分布则是其中最具代表性的分布 ...
2026-01-15在用户从“接触产品”到“完成核心目标”的全链路中,流失是必然存在的——电商用户可能“浏览商品却未下单”,APP新用户可能“ ...
2026-01-14在产品增长的核心指标体系中,次日留存率是当之无愧的“入门级关键指标”——它直接反映用户对产品的首次体验反馈,是判断产品是 ...
2026-01-14在CDA(Certified Data Analyst)数据分析师的业务实操中,“分类预测”是高频核心需求——比如“预测用户是否会购买商品”“判 ...
2026-01-14在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12