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
在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03