SAS之DATA步运行机制

相信了解SAS软件的朋友都知道，SAS主要由DATA步和PROC步组成，其中DATA步作为数据读入、清洗、整理的主要程序步，学好DATA就显得尤为重要。而了解DATA步，重中之重就得了解PDV（Logical Program Data Vector）。

首先

DATA步的处理分为两个阶段：

◇编译    ◇执行

编译

由此可知，PDV在DATA步的编译阶段就已存在，那在DATA步的编译阶段究竟发生了什么事呢？

1检查DATA步语句的语法

2创建一个输入缓冲区（input buffer）

3创建一个程序数据向量（ PDV）

4创建输出数据集的描述部分（注：只创建描述部分，不赋初值）

执行

1计算Data步迭代的次数(从Data语句开始)

2将PDV中的变量设成缺失值并初始化自动变量

3读取输入观测(从原始文件或SAS数据集)

4执行附加的处理或计算语句

5将一条数据记录写入输出数据集并返回到DATA步语句

输入缓冲区：

SAS在使用input读入外部数据之时，首先需要将外部数据读入内存，即输入缓冲区。（注：当使用set语句之时，则无涉及到输入缓冲区的工作。）

程序数据向量（ PDV）：

PDV为内存中的一个临时逻辑区域，SAS在建立数据集时，先将每条观测读入PDV，然后执行一系列的语句之后，在遇到output或run语句时，再将观测写入数据集(DATA _NULL_除外)。在PDV中，除当前变量外，还包含两个自动变量：_N_和_ERROR_，前者表示DATA步迭代的次数，后者则表示此次迭代是否出错，若出错则值为1，反之为0。除此之外，还有END=,IN=,FIRST,LAST,POINT=等自动变量。其中END=可做set语句选项，当读入的观测到达最后一行时，该值为1；first、last则存在于使用by语句之时建立，point=选项可用于选择读入某条观测，in=则是数据集选项，用于指示该观测是否从某数据集读入。 这些自动变量并不保存到生成的数据集中，若需保存可将其负值给某一变量。

PDV示例：

在提交此程序之后，编译时，SAS建立一个读入缓冲用以存储原始数据。

而后，建立PDV及变量描述部分如下（长度默认为8）

执行过程中，将变量赋初值（数值型变量空值为.，字符型变量空值为空格）

然后，读入第一条观测

此时DATA步会依次执行data步中附加的语句（此程序示例中无其他执行语句）；直到遇到output或run语句时，将第一条观测写入temp数据集中，后开始下一次迭代，直到所有观测均读入。数据分析师培训