金融商业数据分析：基于Python和SAS
上QQ阅读APP看书，第一时间看更新
上一章目录下一章

2.3　定义SAS数据集

如果你是一名数据分析的新手，当拿到一些以SAS格式存储的数据集时，应该从哪些方面去了解这些数据，以便为下一步的数据分析做好准备呢？

在进一步分析数据之前，我们还需要了解数据集的基本信息，比如修改日期、属性、标签等，以及每个字段的含义、类型、长度、格式等。

2.3.1　SAS数据的相关概念

SAS对表的引用采用二级引用，即“逻辑库名.文件名”，比如为了引用SASHELP库中的CLASS文件，必须采用“SASHELP.CLASS”格式，若不加逻辑库名，则默认为调用WORK库中的相应文件。对于这些SAS操作中的默认规则，初学者会不知所措。本节旨在解决这个问题。

1. SAS文件

所有的SAS文件都必须作为某个SAS数据库的成员。SAS文件主要分为以下三类。

  • 表：存放数据值和数据的描述信息的数据集，以.sas7bdata为扩展名。
  • 数据视图：不实际存放数据，只包含表的描述信息和一组用来读取数据的查询语句，以.sas7bvew为扩展名。
  • 目录：存放不同种类的信息文件，一般每个信息文件都比较小，比如一些系统的快捷键的定义等，以.sas7bcat为扩展名。
2. 数据集构成

一个数据集包括两个组成部分——描述部分和数据部分，如图2-9和图2-10所示。

024-01

图2-9　数据集组成部分

024-03

图2-10　数据部分和描述部分

数据部分是打开逻辑库中的文件时展现在我们眼前的部分，是数据值的集合。描述部分即属性，包含以下部分。

1）数据集的名称。

2）创建数据集的日期和时间，如图2-11所示。

024-02

图2-11　ACCOUNTS属性

3）观测的个数，变量的个数。数据集中的每一个变量都有属性，如图2-12所示。

025-01

图2-12　变量属性示例

类型、名称、标签、长度、输入格式、输出格式等属性如图2-13所示。

025-02

图2-13　ACCOUNTS属性选择

  • 数据集与变量命名规则：首字符必须为英文字母（A～Z，包括大写和小写）或下划线（_）；由数字、字母和下划线组成；最多不超过32个字符；不区分大小写。
  • 标签：数据集的属性除名称外，还包括标签，以便描述数据集存储数据的特性。书写规则：可以是中文、英文字母等任何符号，最长不超过256个字符。
  • 类型：只有字符型和数值型两种类型，一个变量只能属于其中一种类型。数值型变量只能是合法的数值，缺失值为点“.”，注意不含引号。日期属于数值型变量，取整数。日期又分为日期数据与日期时间数据。日期的常数值表示形式为ddmmmyy d或者ddmmmyyyy d，比如表示2014年6月30日时，可以采用30jun14d或30jun2014d表示。日期数据在SAS中的存储和展示方式如图2-14所示。
025-03

图2-14　日期数据在SAS中的存储和展示方式

日期时间数据如1960年1月1日00:00:00，每加1代表增加1秒。日期时间数据在SAS中的存储和展示方式如图2-15所示。

026-01

图2-15　日期时间数据在SAS中的存储和展示方式

字符型变量的值可以是任何字符串，如中国、Alex等。缺失值为空格，不含引号。

  • 变量属性——输入格式（Informat）及输出格式（Format）：输入属性用于确定数据如何读入SAS数据集；输出属性用于确定数据如何显示，即打开数据集我们看到的格式，它只是输出形式，不影响存储形式。
3. SAS EG数据视图

SAS EG数据视图是从其他文件中读取数据的一种SAS文件。它只包括数据集的描述信息，如数据类型、变量长度等。SAS EG数据视图类似于数据库视图。

SAS EG数据视图主要有以下几个优势。

  • 可以通过连接多个表的视图来合并数据集；
  • 可以节省大量空间；
  • 可以保证读取的数据集永远都是最新的；
  • 更改一个数据视图只需要改变这个视图的查询语句。

2.3.2　SAS EG实现方式

1）单击菜单，按顺序依次单击“任务→数据→数据集属性”，如图2-16所示。这里可以点击“添加”按钮新增数据集，也可以选中数据集并删除它。

027-01

图2-16　数据集属性菜单

2）单击“下一步”按钮，设置输出选项。默认报表输出内容包括数据集的创建日期、上次修改日期、观测数、编码、任何与引擎/主机有关的信息，以及变量及其属性按字母顺序排列的列表。增强型报表输出包括表类型、表的创建和修改日期、观测数、变量标签以及变量类型。排序可以按照变量名称、表中变量顺序、变量类型、变量格式、变量标签中的五者之一进行升序或者降序排列，如图2-17所示。

027-02

图2-17　输出数据集

上述选项设置之后，单击“完成”按钮，结果中产生5类信息。

1）数据集信息，如数据集名称、类型、观测数、变量数、创建时间、修改时间、是否排序、是否压缩。

2）引擎和主机相关的信息，如页面大小、页数、版本。

3）按字母顺序排序的变量和属性列表，如变量名称、类型、长度、输入格式、输出格式、标签等。

4）数据集信息，与第1类显示信息基本相同，但较为简洁。

5）变量列表信息，与第3类显示信息基本相同，但较为简洁。

其中，默认报表输出的是前3类信息，增强型报表输出的是后2类信息。

2.3.3　SAS程序实现方式

1. 查看文件属性信息

基本语法如下：

proc contents <options>;
run;

options语法解读如表2-1所示。

表2-1　options语法解读

028-01
2. 创建视图

1）数据步视图：包含从多个数据源中读取数据的数据步程序。

定义格式：DATA数据集名称/view=数据集名称。

上面的定义中，在数据步的最后一个数据集名称后加上“view=数据集名称”是告诉SAS程序只进行编译，不运行，而被编译的程序存储在view后的数据视图中。

例如下面这段创建数据步视图的代码：

data bankdata.account1/view= bankdata.account1;
set bankdata.account;
run;

2）SQL视图：一个带有名称的proc sql查询，可以读写的数据源同数据步视图。

proc sql;
create view bankdata.account as
select * from bankdata.account;
quit;
本周热推：
深入理解LLVM：代码生成Unity 5.X从入门到精通PostgreSQL技术内幕：事务处理深度探索JavaScript从入门到精通（第3版）自制编译器
上一章目录下一章