京公网安备 11010802034615号
经营许可证编号:京B2-20210330
当程序较长的时侯,就象上面 的程序一样,总是使用%LET 语句就显得不那么方便了,这时可以使用宏参数, 即定义宏 变量作 为%MACRO 语句的一部分。 %MACRO plot(yvar,xvar); PROC PLOT; PLOT &yvar*&xvar; RUN; %MEND plot; %MACRO 语句的括号中定义的宏变量就是宏参数,当调用宏的时侯,需将值传递给宏参 数, 如: %plot(income,age) 宏处理器把第 1 个值和第 1 个宏变量匹配,第 2 个值和第 2 个宏变量匹配……因此,这些 参数 叫做位置参数,于是产生下面语句: PROC PLOT; PLOT INCOME*AGE; RUN; 假设你经常创建数据集 TEMP 和绘制 PLOT 图,你可以将数据步做成一个宏,而过程步做 成另 一个宏,然后在第 3 个宏里调用它们。注意最好加上注释说明你要做什么。 %MACRO create; %MACRO analyze(yvar,xvar);
Data temp; %*Create the Data Set; SET olddata; IF age>=20; %create %MEND create; %*Plot the Variable Selected; %MACRO plot; %plot PROC plot; %MEND analyze; PLOT &yvar*&xvar; RUN; %MEND plot; (程序的第1部分) (程序的第2部分) 在宏 ANALYZE 中,由“%*”开始的语句是宏注释语句, 它们用于对宏内做的事情作注解。 当宏较长的时侯,是很必要的。当你定义完这些宏后,就可以通过调用宏来运行程序。 %analyze(income,age) 如果你想改变 CREATE,重新定义它,则: %MACRO create; DATA temp2; SET olddata(obs=100); IF age>=20; %MEND create; 然后调用 ANALYZE,方法是: %analyze(income,age) 当然,你也可以把整个程序段都放入 ANALYZE,而不去调用其他宏,但是,定义 CREATE 和 PLOT 的优点是你可以在调用 ANALYZE 之前分别重新定义和调试它们,在规模较大的宏中, 模 块结构 是很重要的。 当你使用宏 ANALYZE 时,假设有时你需要执行宏 CREATE 中的 DATA 步,而有时又可直 接从 PROC PLOT 开始,重新定义 ANALYZE,使用%IF-%THEN 语句。 %MACRO analyze(getdata,yvar,xvar); %IF &getdata=yes %THEN %create; %ELSE %plot; %MEND analyze; 如下调用 ANALYZE,方法为: %analyze(yes,income,age) %analyze(no,income,yrs_educ)产生:
DATA TEMP; SET OLDDATA; IF AGE>=20; PROC PLOT; PLOT INCOM
E*AGE; RUN; PROC PLOT; PLOT INCOME*YRS_EDUC; RUN; 如果在%THEN 从句中有多个语句, 使用%DO-%END 组,如: %MACRO analyze(getdata,yvar,xvar); TITLE; %IF &getdata=yes %THEN %DO; %create TITLE3 "Data Set Created for This Plot"; %END; %plot %MEND analyze; 如果我们调用 ANALYZE, 方法如下: %analyze(YES,income,age) 。 那么产生的语句是: “PROC PLOT; PLOT INCOME*AGE; RUN; ”。 宏处理器并没有调用宏 CREATE 去创建一个数据集, 因为宏处理器在把宏展开时并不 把小 写字母转换为大写。于是%IF 语句作的比较是 YES=yes,当然为假,事与愿违。为了在调
用时不 管大小写都正确,应该修改 ANALYZE 如下: %MACRO analyze(getdata,yvar,xvar); %IF %UPCASE(&getdata)=YES %THEN %create; %ELSE %plot; %MEND analyze; 其中宏函数%UPCASE 把小写转换为大写。 假设你想创建一系列名字用于 SAS 语句, 如 DATA 或 VAR 语句,可以借助宏来实现。 %MACRO names(name,number) %DO n=1 %TO &number; &name&n %END; %MEND names; 宏 NAMES 把参数 NAME 的值和宏变量的值连接起来形成一系列名字,参数 NUMBER 的 值是宏变 量 N 的终止值。于是在 DATA 步中调用 NAMES,方法如下: DATA %names(dsn,5); 产生语句: DATA DSN1 DSN2 DSN3 DSN4 DSN5; 3. 数据步中的宏变量 假设你想把一个数据集的观测数放进一个 FOOTNOTE 语句中,首先定义一个宏,如: %MACRO create; DATA temp; SET olddata END=final; IF age>=20 THEN DO; n+1; OUTPUT; END; IF final THEN CALL SYMPUT('number',n); RUN; %MEND create; 以后一旦调用 CREATE,则 CALL SYMPUT 语句将计数变量 N 的值传递给宏变量 NUMBER,NUMBER 可以是以前创建的宏变量,也可以是在当前的 DATA 步创建的。 这个宏变量以后可以直接引用, 也可以在 DATA 步用 SYMGET 函数引用。 从而实匣同的 数 据步中的值传递,如: x=SYMGET('number'); 数据步变量 X 的值就是数据集 TEMP 中的观测个数。 也可以在 DATA 步用 SYMGET 函数引用。从而实匣同的数 据步中的值传递,如: x=SYMGET('number'); 数据步变量 X 的值就是数据集 TEMP 中的观测个数。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22在数字化运营场景中,用户每一次点击、浏览、交互都构成了行为轨迹,这些轨迹交织成海量的用户行为路径。但并非所有路径都具备业 ...
2026-01-22在数字化时代,企业数据资产的价值持续攀升,数据安全已从“合规底线”升级为“生存红线”。企业数据安全管理方法论以“战略引领 ...
2026-01-22在SQL数据分析与业务查询中,日期数据是高频处理对象——订单创建时间、用户注册日期、数据统计周期等场景,都需对日期进行格式 ...
2026-01-21在实际业务数据分析中,单一数据表往往无法满足需求——用户信息存储在用户表、消费记录在订单表、商品详情在商品表,想要挖掘“ ...
2026-01-21在数字化转型浪潮中,企业数据已从“辅助资源”升级为“核心资产”,而高效的数据管理则是释放数据价值的前提。企业数据管理方法 ...
2026-01-21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