07第七章副本

《07第七章副本》由会员分享，可在线阅读，更多相关《07第七章副本（83页珍藏版）》请在装配图网上搜索。

1、第六章 数据汇总与报表制作第一节 使用PRINT过程制作报表一、过程PRINT的基本语句1. 简单形式为proc print data=数据集名；run;数据集dst.lonpar是某航空公司95年3月第一周飞往伦敦和巴黎的航班信息，现在用过程PRINT输出它的内容。程序如076.sas所示。proc print data=dst.lonpar;run;2. NOOBS选项若去掉左侧的OBS列，可以使用该选项。proc print data=dst.lonpar noobs;run;程序如077.sas所示。proc print data=dst.lonpar noobs;run;2. ID语

2、句在有些数据集中，每条记录有其自己的关键字段或标识，例如员工的工号，姓名等等，因而在不用观测的序号时，常希望将这些标识记录的变量置于输出的最左列，以便于查阅。使用ID语句就可实现这一要求。ID语句的一般形式为：ID 变量1 变量2 ；ID语句的作用就是在过程PRINT的输出中，不加入OBS列，并将语句中指定的变量依次置于输出的最左侧的列。程序见078.sas所示。proc print data=dst.lonpar;id date flight;run;3. VAR语句为了控制变量是否输出以及它们的次序，可使用VAR语句，它的形式如下：VAR 变量1 变量2 ；VAR语句一方面指明要输出的变量

3、，另一方面也表明它们出现的次序。程序见079.sas所示。proc print data=dst.lonpar;var date flight dest boarded revenue;run;4. WHERE语句一般形式WHERE 表达式；作用：只输出使表达式成立的观测。程序见080.sas所示。proc print data=dst.lonpar;var date flight dest boarded revenue;where flight=219;run;为了实现对观测的选择，也可使用PRINT的如下选项FIRSTOBS和OBS；注意，该选项必须放在括号中，但是NOOBS选项绝不能带

4、括号！程序如080a.sas所示。proc print data=dst.bclass (firstobs=1 obs=5);run;结果见下。5. SUM语句一般形式SUM 变量1 变量2 ；作用：对输出的数值变量计算其总和。程序见081.sas所示。proc print data=dst.lonpar;var date flight dest boarded revenue;sum boarded revenue;run;结果如下：6. BY语句BY语句即分组小计。在较大的数据集的报表中，不仅要对某些变量计算它的总和，还常需要分组计算它的小计。例如对数据集dst.lonpar，可以按航班计

5、算总乘客人数，也可按日期计算总乘客人数。要在过程PRINT中实现这一点只要在过程步中加入BY语句，它的形式为BY 变量1 变量2 ；加入BY语句，SUM语句的求和功能就是按BY变量的值交叉分组后，计算每个组内指定变量的合计，同时也计算总和。和其它过程一样，过程PRINT中使用了BY语句，就要求读入的数据集必须是按BY变量排序的。若原数据集尚未按BY变量排序，可先用过程SORT对数据集进行排序。程序如082.sas；proc sort data=dst.airline out=sorted;by flight;proc print data=sorted;var flight date dest

6、 boarded;sum boarded;by flight;run;另一个程序如083.sas；proc sort data=dst.bclass out=sorted;by sex age;proc print data=sorted;var sex age height weight;sum height weight;by sex age;run;结果如下：7. PAGEBY语句在使用了BY语句后，可以使用PAGEBY语句。注意：要使用PAGEBY语句，必须先使用BY语句！一般形式为PAGEBY 变量名；注意：该语句仅允许指定一个变量！该语句的作用是将指定的这个变量的各个不同值在不同的

7、页面上输出。程序见084.sas；proc sort data=dst.bclass out=sorted;by age sex;proc print data=sorted;var age sex height weight;sum height weight;by age sex;pageby age;run;该程序将按age的不同取值在不同的页输出。结果如下：8. 总结过程PRINT的一般形式为PROC PRINT DATA=数据集名;ID 变量1 变量2 ;VAR 变量1 变量2 ;WHERE 表达式；SUM 变量1 变量2 ;BY 变量1 变量2 ;PAGEBY 变量;RUN;过程P

8、RINT中的各个语句的次序并不重要，可以任意改变次序。二、改进列表报告（一）标题和脚注一般形式为TITLEn 标题字符；FOOTNOTEn 脚注字符；该语句具有以下特点：1. n的取值范围从1到10；2. 标题出现在每页的顶部；3. 脚注出现在每页的底部；4. 如果没有定义标题，缺省的标题是The Sas System；5. 如果没有定义脚注，脚注就不出现；6. 没有n的TITLE和FOOTNOTE语句分别等于TITLE1和FOOTNOTE1；7. 标题和脚注语句可以写在PROC语句之前，也可写在过程步之中。程序见085.sas；options pagesize=20 linesize=132

9、;title1 Class 1 of Statistics;title2 North China University of Technology;footnote1 Prepared Jan 19, 2007;footnote2 By the Dean;proc print data=sasuser.class (firstobs=1 obs=5);run;这两个语句均是全局语句。即1. 可以置于数据步与程序步之外；2. 若设定则一直有效，直至新的TITLE语句，FOOTNOTE语句执行后改变其设定或SAS进程结束；3. 替代了原先同样号码的标题或脚注；4. 取消拥有更大号码的标题或脚注；5

10、. 使用以下两个简单语句，可以取消所有的标题和脚注：title;footnote;程序见086.sas。title2 Beijing;footnote;proc print data=sasuser.class (firstobs=1 obs=5);run;（二）LABEL选项该选项是PRINT过程的选项，一般用法如下：PROC PRINT DATA=SAS-DATASET 作用为用标签名而不是变量名输出结果。程序如087.sas所示。proc print data=sasuser.class label;run;而不加label的输出结果为：（三）LABEL语句如果数据集中的变量尚未规定标签

11、，或者要使用不同于数据集中已有的标签，则可以在过程PRINT的过程步中加入LABEL语句，规定各变量的标签，这时再使用选项LABEL就可使用变量的这一新定义的标签了。LABEL语句的一般形式为：LABEL 变量1标签字符 变量2标签字符 ；其中标签字符的长度不得超过256个字符。程序如088.sas所示。proc print data=dst.bclass label;label name=Name of Student in North China Unviersity of Technology;run;有时变量的标签包含较多的字符（如上例），系统会将标签分成几行，但系统分隔标签无法考虑其

12、含义，为了控制标签的分行，可以在允许分行处加入分隔符，然后在PRINT语句中用以下选项指明分隔符：SPLIT分隔符；程序见089.sas。proc print data=dst.bclass label split=,;label name=Name of Student in,North China Unviersity of Technology;run;对比可以看出这两个输出结果的差异。当然可以使用中文标签。程序见090.sas所示。proc print data=sasuser.class label;label name=学生姓名;run;（四）FORMAT语句过程PRINT输出的数

13、据内容中，若数据集中对变量已经规定了输出格式，则输出的该变量的值都使用规定的输出格式。如果数据集中变量尚未规定输出格式，也可以在过程步中用FORMAT语句为变量指定输出格式，在输出时就采用指定的输出格式。如数据集dst.airline规定date变量的输出格式为mmddyy8.，则运行程序091.sas，输出结果如下：proc print data=dst.airline(firstobs=1 obs=10);var date;run;使用FORMAT语句，编制程序092.sas如下所示。proc print data=dst.airline(firstobs=1 obs=10);var da

14、te;format date date9.;run;输出结果如下：在输出中除了使用系统提供的各种现成的输出格式外，还可使用用户自定义的各种格式（稍后介绍）。（五）SAS系统的选项在SAS进程中有两种方法可以修改选项，提交OPTIONS语句和在交互操作中进入OPINIONS窗口操作。其中交互操作的菜单如下：结果如下：下面介绍OPTIONS语句。该语句的一般形式为OPTIONS 选项1 选项2 ；以下的系统选项与过程PRINT输出结果的形式有关。CENTER（NOCENTER）输出的内容居中（靠左对齐），缺省为居中。DATE（NODATE）在每个输出页的右上侧加入（不加入）进程开始的日期和时间，缺

15、省为加入日期和时间。NUMBER（NONUMBER）在每个输出页加入（不加入）页码。缺省为加入页码。PAGENO=n将输出页码从n开始计数，缺省的是n=1。LINESIZE=列数输出的每一行可包含的最大字符数，缺省为96。PAGESIZE=行数输出的每一页可包含的最大行数，缺省为54。程序如093.sas所示。options nocenter nodate nonumber;proc print data=dst.airline(firstobs=1 obs=10);var date;format date date9.;run;结果如下：三、使用菜单实现数据集列表输出首先在分析员应用程序中打

16、开一个数据集，然后点击下列菜单：打开对话框利用下方的三个按钮进行设置即可。四、过程PRINTTO过程PRINT的输出都存放在OUTPUT窗口之中。若需要保存结果，可以在菜单中选择save as将结果存入指定的文件。SAS也提供另一种方法，即使用过程PRINTTO，它可将过程的输出结果和运行中的LOG信息按原有的形式分别以文本文件的格式存入指定的文件中。使用过程PRINTTO的语句形式为：PROC PRINTTO ；RUN;运行上述程序后，并没有直接的输出结果，但在它之后运行的过程，其输出结果将自动依次分别存入文件1（output窗口的结果）和文件2（log窗口的结果）。若提交的指示以下的语句：

17、PROC PRINTTO；RUN;则将解除原来将输出结果和运行信息存入文件的设定，恢复将输出结果存入OUTPUT窗口，LOG信息存入LOG窗口。程序如094.sas所示。proc printto print=d:tempoutput.txt log=d:templog.txt;run;proc print data=dst.bclass;run;运行上述程序后，将以后运行的过程的结果依次记入上述两个文件。若希望每一个程序运行的结果单独存放，即清除以前程序运行存入的结果，应该在PRINTTO中加入选项NEW。程序如095.sas所示。proc printto print=d:tempoutput

18、.txt log=d:templog.txt new;run;proc print data=dst.bclass;run;五、过程FORMAT实际当中经常需要给变量值写标签，如：又如再如因此需要使用自定义格式。过程FORMAT用于自定义输出格式。一般形式为：PROC FORMAT；VALUE 格式名 范围1标签1 范围2标签2 ；RUN；其中，格式名是长度不超过8个字符的SAS名，但不能以数字结尾，也不能与已有的输出格式名重名。若定义的是字符型的输出格式，则需要加上美元符号$。包含美元符号在内，格式名的长度不超过8个字符。在应用格式名时，$是格式名的一部分，不能与格式名分开书写！在VALUE

19、语句中提及格式名时绝不能加句点。自定义的输出格式和系统提供的输出格式在调用形式上是一样的。如程序096.sas所示。proc format;value gender 1=female 2=male other=miscoded;run;data temp;input name $ 1-3 sex 5;cards;aaa 1bbb 2ccc 1ddd 1eee 2fff ;run;proc print;format sex gender.;run;other表示在列举范围之外的所有值（不论是字符型的还是数字型的变量），（本例中即为除1和2之外的所有值），包括缺失值，是系统默认的名字。如果在上述程

20、序中将other写成了others，则在LOG窗口会出现绿色字体。如下所示。绿色字体表示，虽然书写错误，但不影响结果的输出。正确的结果如下所示。如程序097.sas所示。proc format;value hhh low-140=low 140-160=average 160-high=above average;run;data temp;input name $ 1-3 height 5-7;cards;aaa 125bbb 135ccc 145ddd 150eee 157fff 176;run;proc print;format height hhh.;run;在上述规定数值变量的范围时

21、，low表示最小值，但不含有缺失值，high表示最大的数值。结果如下：如程序098.sas所示。proc format;value $ grade A=best B=better C=good other=miscoded;run;data temp;input name $ 1-3 marks $ 5;cards;aaa Abbb Accc Bddd Ceee efff C;run;proc print;format marks $grade.;run;结果如下：此处千万注意，在应用格式时，$是格式名的一部分，绝不能与格式名之间有空格！也可使用汉语标签，如程序099.sas所示。proc f

22、ormat;value gender 1=女 2=男 other=编码错误;run;data temp;input name $ 1-3 sex 5;cards;aaa 1bbb 2ccc 1ddd 1eee 2fff ;run;proc print;format sex gender.;run;结果如下：第二节 频数与描述统计量的计算一、频数及百分数的计算（一）过程FREQ的一般用法PROC FREQ ；RUN；过程FREQ的上述用法将对数据集中的所有变量列出它们的频数、百分数、累计频数和累计百分数。程序如100.sas所示。proc freq data=sasuser.class;run;

23、为了对选择的变量进行其取值的频数统计，只需在过程步中加入TABLE语句，其形式为TABLE 变量1 变量2；程序如101.sas所示。proc freq data=sasuser.class;table sex age;run;（二）TABLE的选项NOCUM和NOPERCENTNOCUM表示去掉累计值；NOPERCENT表示去掉百分数。程序如102.sas所示。proc freq data=sasuser.class;table sex age/nocum;run;程序如103.sas所示。proc freq data=sasuser.class;table sex age/nopercen

24、t;run;程序如104.sas所示。proc freq data=sasuser.class;table sex age/nocum nopercent;run;对于有缺失值的数据集dst.airline，程序如105.sas，结果如下所示。proc freq data=dst.airline;table dest;run;即除掉缺失值，共有634条记录。上述输出说明，在统计频数时没有将有缺失值的记录统计在内。如果要将取缺失值的记录也作为一类，则可以在TABLE语句中使用选项MISSING。程序如106.sas，易知共有635条记录。第一类为确实值形成的。（三）FORMAT语句一般形式：FO

25、RMAT 变量1 变量2 ；若在数据集中对变量已经规定了输出格式，则过程FREQ在计算此变量的取值频数时，自动按输出格式的值计算频数。程序如107.sas（在格式定义中加引号）。proc format;value hhh low-140=small 140-160=medium 160-high=tall;run;proc freq data=dst.bclass;table height;format height hhh.;run;在格式定义中均没有加引号的程序如108.sas所示。proc format;value hhh low-140=small 140-160=medium 160

26、-high=tall;run;proc freq data=dst.bclass;table height;format height hhh.;run;选项（四）选项ORDER=这是FREQ的选项。一般形式：ORDER=DATA|FORMATTED|FREQ|INTERNALDATA：按数据集中数据值出现的次序排列。见109.sas。FORMATTED：按数据输出格式值的次序排列。见110.sas。FREQ：按频数的降序排列。见111.sas。INTERNAL：按数据值的次序排列，这是缺省的情况。见112.sas。程序如109.sas所示。proc freq data=dst.bclass

27、order=data;table age;run;程序如110.sas所示。proc format;value hhh low-140=low 140-160=average 160-high=above average;run;data temp;input name $ 1-3 height 5-7;cards;aaa 125bbb 135ccc 145ddd 150eee 157fff 176;run;proc freq order=formatted;table height;format height hhh.;run;程序如111.sas所示。proc freq data=dst.

28、bclass order=freq;table age;run;程序如112.sas所示。这是缺省的情况proc freq data=dst.bclass order=internal;table age;run;（五）选项OUT=上面使用过程FREQ时，其结果都直接在OUTPUT窗口显示频数统计的结果。有时需要保存或用SAS对其作进一步的加工，这时需要将频数统计结果直接存入SAS数据集。过程FREQ的TABLE语句的选项OUT就是用于指明统计结果存入SAS数据集的。它的形式为：TABLE 变量列OUT数据集名；程序见113.sas所示。proc freq data=dst.bclass;ta

29、ble age/out=temp;run;proc print;run;结果如下：当分析结果存入数据集后，也可能不必再在OUTPUT窗口中显示类似的结果，这时只要在过程语句加入选项NOPRINT，提交程序后就不在OUTPUT窗口中显示频数统计的结果。程序见114.sas所示。proc freq data=dst.bclass noprint;table age/out=temp;run;proc print;run;则只有上述第二个结果。（六）WEIGHT语句一般形式为WEIGHT 变量名；程序见115.sas所示。proc freq data=dst.bclass noprint;table

30、 age/out=temp;run;proc freq data=temp;table age;weight count;run;结果同上述第一个表。（七）多个变量交叉分类频数计算只需要在TABLE语句中将要组和的变量用“*”连接即可。程序见116.sas所示。proc freq data=dst.bclass;table sex*age;run;这种形式的交叉频数表在统计中也称之为列联表。TABLE的选项有NOPERCENT：不输出单元格百分数；NOROW：不输出按行计算的百分数；NOCOL：不输出按列计算的百分数。程序见117.sas所示。proc freq data=dst.bclass

31、;table sex*age/nocol;run;（八）FREQ过程步的形式总结PROC FREQ DATA=数据集TABLE 变量1 变量3 ；FORMAT 变量1 输出格式 变量2 输出格式 ；RUN；二、使用菜单进行频数统计用analyst打开数据集dst.bclass。然后点击菜单：单元格内容的选择：选择变量值出现的次序。下面制作列联表。三、计算描述统计量（一）过程MEANS的简单用法1. 一般用法PROC MEANS DATA=数据集；RUN；程序如118.sas所示。proc means data=dst.bclass;run;上述输出表明在使用过程MEANS时，若不指定汇总分析的

32、变量，则系统对数据集中所有的数值变量都计算其汇总统计量，缺省情况下提供五个常用的统计量。2. VAR语句VAR 变量1 变量2 ；程序如119.sas所示。proc means data=dst.bclass;var height;run;VAR语句中变量的次序也决定了在输出显示中的变量排列的次序。3. 描述统计量的选择PROC MEANS DATA=数据集 统计量关键字列；统计量关键字如下：N, NMISS, SUMWGT, SUM, MEAN, VAR, STD|STDDEV,STDERR, CV, SKEW|SKEWNESS, KURT|KURTOSIS,MAX, MIN, RANGE,

33、 Q1, Q3, QRANGE.程序如120.sas所示。proc means data=dst.bclass mean median max min;var weight height;run;4. FREQ语句一般形式FREQ 频数变量；程序如121.sas所示。proc freq data=dst.bclass noprint;table age/out=temp;run;proc means data=temp;var age;freq count;run;利用原始数据集可以计算得到age的相关统计量，程序如122.sas所示。proc means data=dst.bclass;va

34、r age;run;易知，两个结果是一样的。5. BY语句和CLASS语句一般形式为BY 变量1 变量2 ；CLASS 变量1 变量2 ；这两个语句的差别是（1）使用BY语句时要求数据集按BY变量分组排列，使用CLASS语句无此要求。（2）使用BY语句时，输出按BY变量的每个值分别提供一个表，使用CLASS语句将所有结果排列在同一个表中。BY语句的程序如123.sas所示。proc sort data=dst.bclass;by sex;proc means data=dst.bclass;var height weight;by sex;run;CLASS语句的程序如124.sas所示。pr

35、oc means data=dst.bclass;var height weight;class sex;run;CLASS语句的另一个程序如125.sas所示（消除了排序的影响）。options linesize=132;proc means data=dst.bclass;var height weight;class age;run;出错程序（使用BY语句）如126.sas所示。options linesize=132;proc means data=dst.bclass;var height weight;by age;run;6. 使用多个分类变量一般形式：CLASS 变量列；程序如

36、127.sas所示。proc means data=dst.bclass;var height;class sex age;run;7. OUTPUT语句OUTPUT OUT=数据集/autoname；选项autoname：使用这一选项可以不为存入变量赋名，由系统自动赋名：即使用“分析变量名_统计量关键字”作为存入数据集的变量名。程序如128.sas所示。proc means data=dst.bclass noprint;var height;class sex;output out=temp;run;若加入关键字名，则程序如128a.sas所示。proc means data=dst.bc

37、lass noprint;var height;class sex;output out=temp n= mean= std=/autoname;run;用变量名显示结果为：用变量的标签显示结果为：8. 过程MEANS的一般用法PROC MEANS DATA=数据集 ；VAR 变量1 变量2 ；CLASS 变量1 变量2；FREQ 变量；WEIGHT 变量；OUTPUT OUT=数据集；RUN；9. 过程SUMMARYSAS系统中还有一个过程SUMMARY，它与过程MEANS的功能几乎完全一样，唯一的差别是在向OUTPUT窗口数据计算结果上，过程SUMMARY缺省地不将计算结果在OUTPUT窗

38、口显示，若要显示则在PROC语句中使用选项PRINT并用关键字指定要显示的统计量，其它的用法与过程MEANS完全一样，所以只要将分类计算描述统计量的结果存入数据集时，使用过程SUMMARY更方便。程序如129.sas所示。proc summary data=dst.bclass print mean n std cv skewness;var height weight;run;四、用菜单计算描述统计量进入描述统计量计算菜单选择统计量（默认为常用的五个统计量）。将计算结果存入数据集。相应的程序130.sas为：proc means data=Dst.Bclass mean std n min

39、max;var HEIGHT;output out=WORK.SUM0 N = MEAN = STDERR = SUM =/ autoname;attrib _all_ label=;run;第三节 使用过程TABULATE制作汇总报表一、过程TABULATE的基本用法（一）分析变量与分类变量数值型和字符型的变量都可作为分类变量。只有数值型变量才可作为分析变量。在一个过程步中，一个变量要么是分析变量，要么是分类变量，不能同时为两者！（二）过程TABULATE的基本形式PROC TABULATE DATA=数据集；CLASS 变量1 变量2 ；VAR 变量1 变量2 ；TABLE 行表达式，列表

40、达式；RUN；（三）TABLE语句表格的格式和希望计算的统计量由TABLE语句中的表达式指定。过程TABULATE产生的表格最多可为它规定三个纬度：第一个维度规定列的布局；第二个维度规定行的布局；第三个维度规定页的设置。TABLE语句中表达式的操作符如下所示。一维表格见程序131.sas所示。proc tabulate data=dst.bclass;class sex;table sex;run;二维表格见程序132.sas所示。options linesize=132;proc tabulate data=dst.bclass;class sex age;table sex,age;run

41、;三维表格见程序133.sas所示。options linesize=132;data temp;set dst.bclass;ranvaria=ranuni(1);if ranvaria le 0.5 then classtype=A;else classtype=B;run;proc tabulate data=temp;class classtype sex age;table classtype,sex,age;run;输出为两页：将年龄的变量值的个数变少，然后列出三维布局，具体如程序134.sas所示。options linesize=132;data temp;set dst.bc

42、lass;ran1=ranuni(1);if ran1 le 0.5 then classtype=A;else classtype=B;ran2=ranuni(2);if ran2 le 0.3 then agetype=age1;if ran2 gt 0.3 and ran2 le 0.6 then agetype=age2;if ran2 gt 0.6 then agetype=age3;run;proc tabulate data=temp;class classtype sex agetype;table classtype,sex,agetype;run;产生两个输出。在TABLE

43、语句中，使用空格操作符隔开两个元素将产生一个连排表格。程序见135.sas所示。options linesize=132;data temp;set dst.bclass;ran1=ranuni(1);if ran1 le 0.5 then classtype=A;else classtype=B;ran2=ranuni(2);if ran2 le 0.3 then agetype=age1;if ran2 gt 0.3 and ran2 le 0.6 then agetype=age2;if ran2 gt 0.6 then agetype=age3;run;proc tabulate da

44、ta=temp;class classtype sex agetype;table classtype,sex agetype;run;在TABLE语句中，使用星号操作符隔开两个元素将产生一个交叉组和的表格。程序见136.sas所示。（四）使用统计量分析变量与统计量之间只需要加上“”即可。如分析不同性别学生的平均身高，程序如137.sas所示。proc tabulate data=dst.bclass;class sex;var height;table sex,height*mean;run;分析不同性别学生的平均身高及人数，程序如138.sas所示。proc tabulate data=d

45、st.bclass;class sex;var height;table sex,height*mean n;run;二、对表格形式的进一步修饰（一）标题和脚注程序如139.sas所示。title;title3 Average Height by Sex ;proc tabulate data=dst.bclass;class sex;var height;table sex,height*mean;run;（二）LABEL语句在过程TABULATE中制作的表格中，其行或列的表头中显示变量名时，若变量已设置了标签名，则都显示其标签名。若变量没有标签名或需要改变其标签名，则可用以下方法加入变量的

46、标签名。1. 在过程步中使用LABEL语句加入标签名；2. 在TABLE语句的表达式中将变量名改写为：变量名标签字符串 程序如140.sas所示。proc tabulate data=dst.bclass;class sex;var height;table sex,height*mean;label height=height;run;程序如141.sas所示。proc tabulate data=dst.bclass;class sex;var height;table sex,height=height*mean ;run;将标签加引号的程序如142.sas所示。proc tabulate data=dst.bclass;class sex;var height;table sex,height=height*mean ;run;三、用菜单制作汇总表打开如下对话框。下面介绍这些模版的使用。第一种模版（左上角）：第二种模版（左侧中部）：其它模版类似，不再赘述。83 / 83精品word