SAS软件应用之PROC SQL简介

《SAS软件应用之PROC SQL简介》由会员分享，可在线阅读，更多相关《SAS软件应用之PROC SQL简介（46页珍藏版）》请在金锄头文库上搜索。

1、第5章 PROC SQL简介学习目标v了解SQL过程在SAS系统中的作用；v掌握SQL过程语句以及格式；v熟练运用SQL过程语句进行实例操作；SQL过程概述 v本节描述实现结构查询语言（SQL）以及如 何在SAS系统中工作的概述。vSQL是一个标准化的广泛使用的语言，它可 以检索和更新关系表格和数据库中的数据。 在SAS系统中使用SQL过程，仅需要理解表 格及其操作即可。在SQL中常将它面对的数 据文件称为表。 比较SQL术语和SAS术语 SQL术语SAS术语数据处理术语表SAS数据文件文件行观测记录列变量字段SQL过程有助于数据的管理v可以用SELECT语句去检索和操作存于表中、视图 里和由

2、PROC SQL接收的数据（由PROC SQL生成 的SAS数据文件在本章中称为表）。可以用 VALIDATE语句去检查SELECT语句句法的准确性 而无须执行它。还可以用DESCRIBE语句简单地显 示一个PROC SQL视图定义。v可以用CREATE语句在表的列中生成表格、视窗、 索引；这些表和视窗可永久地存贮在SAS数据库内 ，而且使用逻辑库名调用它。可以用DROP语句删 除表格、视窗和索引。SQL过程有助于数据的管理v可以用UPDATE语句增加或修改在表格的列 里的数值，或者用INSERT和DELETE语句插 于或删除行。可以通过用ALTER语句增加、 修改、删去列来修改表格。v可以使

3、用许多RESET语句的增加、改变或删 除的选项。v生成报告。v可以拼接不同类型的数据表为单一的数据表 。SQL语句格式 vSQL过程包含下面几个语句，其中的PROC SQL和RESET 这两个语句可以没有选项，如下： Proc sql ;Alter table statement-1;Create statement-2;Delete statement-3;Describe statement-4;Drop statement-5;Insert statement-6;Reset statement-7;Select statement-8;SQL过程特点v由于SQL过程实现结构化查询语言，

4、它在运 行时与其它过程会有所不同，主要为：vSQL过程的语句被分成一些子句。例如 SELECT语句包含SELECT和FROM子句， 在SQL中子句内的项目用逗号分开，而不像 在SAS系统中用空格分开。vSELECT语句用于查询数据，也自动输出数 据，除非规定了NOPRINT选项。SQL过程特点vSELECT和CREATE VIEW语句每个都可以包含一个 ORDER BY字句以便对数据进行排序，所以PROC SQL程 序中不需要使用SORT过程。在SQL过程中使用的SAS数据 集不需要按某个变量事先排序。v提交SQL语句时，就可以执行，不需要规定RUN语句。如果 在PROC SQL语句后跟了RU

5、N语句，那么SAS系统会忽略 RUN语句，而且像通常情况一样提交这些语句。v提交SQL过程步后，程序编辑窗口的状态行一直显示PROC SQL running直至提交另一个程序或QUIT语句。PROC SQL和RESET语句v下面这些选项可以在PROC SQL语句或 RESET语句中出现。这些语句在PROC SQL 语句中使用时，它们说明该选项的初始状态 。使用RESET语句可以在PROC SQL语句之 前增加、移动或改变选项。一个选项被复位 之前一直保持有效。PROC SQL和RESET语句vERRORSTOP|NOERRORSTOP：如果遇到出错情 况，规定SAS系统是否停止处理，SAS系统

6、会一直 检查PROC SQL的语句准确性，如果没有出错则执 行该SQL语句。vEXEC|NOEXEC：规定一个语句在检查其正确性后 是否被执行。vFEEDBACK|NOFEEDBACK：规定在扩展视图索引 或在查询语句中作变换后，是否显示这个查询。vPRINT|NOPRINT：规定SELECT语句的结果是否 在SAS的OUTPUT窗口打印。PRINT选项是缺省值 。vDOUBLE|NODOUBLE：规定是否隔行输出。SQL过程和SAS数据集选项vSQL过程可应用任何一个SAS数据集选项， 例如把选项KEEP=和DROP=应用于表或视 图中。在SQL过程中，SAS数据集选项被括 在括号里并紧跟在

7、表名或视图名的后面。v不能将SAS数据集选项与PROC SQL视图名 字联系到一起，因为选项仅对视图的基本表 有效。例如，创建PROC SQL视图时，不能 将SAS数据集选项列在视图名字后面。ALTER语句vALTER语句向已存在的表中加入列或从表中删除列 。它也用于改变一个已存在的表中列的属性。当 ALTER语句向表中加入一列时，它将该列在表中所 有行的值初始化为缺失值。然后用UPDATE语句向 新的列中加入值。v如果某列已经在表中，那么可以用MODIFY字句改 变这些列的属性。v若想从一个表中删掉一列及其所有值，在DROP子 句中指定列的名字。如果删掉了一列，一定要把其 它语句中涉及到该列

8、的名字也删掉。CREATE语句vCREATE语句能够根据表或其它视图，及表 中列的索引创建表或视图。DELETE语句vDELETE语句从表或DBMS表中删去WHERE 表达式为真的所有行，这个表或DBMS表是 在FROM子句中规定的表。此语句不能引用 其FROM子句中的PROC SQL视图。v如果没有规定WHERE子句，DELETE语句就 将表中的所有行都删掉。SELECT语句v在查询表达式中最常用的是SELECT语句，其可以展示查询 结果的数据，可让数据以一定的格式显示，将报告在 OUTPUT窗口输出。SELECT语句的一般形式为：v Select col1, col2,From table

9、附加的从句；v其中，col1，指明选择的列，若要选择所有的列可用符号 *；from表是设定要查询其行列的数据表。在过程SQL的 SELECT语句中附加WHERE从句，可以对表中的观测进行 选择。在SELECT语句中还可以使用ORDER从句将显示的 数据按选定的变量的值排序。在SELECT从句中也可以用选 项FORMAT=对选择的数据设定显示时用的格式。本章小节 v第一节介绍了SQL过程的特点以及SQL过程 在数据管理方面的作用。使用SQL过程可以 读入、展示和加工SAS数据文件；在表中增 加和修改数据值；增加、修改和删除表的列 ；创建表；生成报告；而且可以拼接不同类 型的数据表为单一的数据表。

10、SQL是一种模 块类型的语言，在这种语言中，语句由更小 的分量构造块组成。通过第一节的学习了解 SQL过程及其作用。本章小节v简单地介绍SQL过程的特点及其与其它过程 的区别，详细阐述了SQL过程所包含的各语 句及其作用，包括PROC SQL和RESET语句 、SAS数据集选项、ALTER语句、CREATE 语句、DELETE语句、SELECT语句。本章小节v最后，通过具体的10个实例操作讲解SQL语 句的应用，帮助大家掌握SQL过程及其语句 的应用。大家需要重点掌握最后两个实例， 也就是数据集的匹配并接，尤其是3个及以上 数据集（含有不同的匹配字段）的串接。熟 悉这些实例操作将有助于我们深刻

11、体会SQL 过程，并通过上机操作逐渐掌握SQL的编程 操作。第6章 定量资料的统计描 述学习目标v掌握集中趋势和离散趋势描述的常用统计量 ；v掌握正态分布的特征及其作用意义；v掌握利用PROC MEANS过程进行资料的统 计描述；v掌握利用PROC UNIVARIATE过程进行资料 的统计描述。数据的统计特征v在对一组统计数据的分布变化进行深入研究之前， 我们首先研究一组数据的特征。为了比较精确地描 述一组统计资料的特征，需要使用一些统计指标来 描述它。一组数据的统计特征通常包括以下四个方 面： v集中趋势 v离散趋势 v偏度 v峰度 集中趋势v集中趋势，也称作中心位置。即表示一组数 据的中心

12、位置的数据点是在什么地方，也就 是数据集中分布的位置。v一组数据的集中趋势通常用平均数、中位数 和众数等来表示。这些统计量均称为平均指 标。平均指标的特点是将一组数据中各个数 据之间的差异抽象化，用一个指标来代表各 个数据的一般水平，它反映了一组数据中各 个数据的代表水平、中心位置或集中趋势。均数 v是算术均数的简称。常用表示样本均数，表 示总体均数。均数用于反映一组同质观察值 的平均水平，适用于正态或近似正态分布的 数值变量资料。其计算方法有：v直接法 v加权法 均数（直接法）v用于样本含量较少时，其公式为：v式中，希腊字母（读作sigma）表示求和； X1，X2，Xn为各观察值；n为样本含

13、量 ，即观察值的个数。均数（加权法 ）v用于频数表资料或样本中相同观察值较多时 ，其公式为：v式中，X1，X2，Xn与f1，f2，fk分 别为相同观察值与其对应的频数 (或频数表资 料中各组段的组中值和相应组段的频数)。几何均数 v适用于对数正态分布，即数据经过对数变换 后呈正态分布的资料；等比级数资料，即观 察值之间呈倍数或近似倍数变化的资料。如 抗体滴度、平均效价等。其计算方法有：v直接法 v加权法 几何均数（直接法）v或几何均数（加权法）v注意：计算几何均数时观察值中不能有0，因 0不能取对数；一组观察值中不能同时有正值 和负值。 中位数 v一组由小到大按顺序排列的观察值中位次居中的数

14、值。中位数可用于描述：非正态分布资料（对数正 态分布除外）；频数分布的一端或两端无确切数据 的资料；以及总体分布不清楚的资料。在全部观察 中，小于和大于中位数的观察值个数相等。其计算 方法也包括v直接法v频数表法百分位数 v用Px表示。一个百分位数Px将一组观察值分 为两部分，理论上有X%的观察值比它小，有 （100-X）%的观察值比它大，是一种位置指 标。中位数是一个特殊的百分位数，即 M=P50。百分位数的计算步骤与中位数类似 ，首先要确定Px所在的组段。先计算n*x%， 累计频数中大于n*x%的最小值所在的组段就 是Px所在组段。 离散趋势描述 v计量资料的频数分布有集中趋势和离散趋势两

15、个主 要特征，仅仅用集中趋势来描述数据的分布特征是 不够的，只有把两者结合起来，才能全面地认识事 物。我们经常碰到平均数相同的两组数据其离散程 度可以是不同的。一组数据的分布可能比较集中， 差异较小，则平均数的代表性较好。另一组数据可 能比较分散，变异较大，则平均数的代表性就较差 。描述一组计量资料离散趋势的常用指标有极差、 四分位数间距、方差、标准差、标准误和变异系数 等，其中方差和标准差最常用。极差v 极差又称全距，是指一组数据的观察值中的最大值 和最小值之差。用公式表示为：v 极差最大观察值最小观察值v 极差的计算简单，但是它只考虑了数据中的最大 值和最小值，而忽略了全部观察值之间的差异

16、。两 组数据的最大值和最小值可能相同，于是它们的极 差相等，但是离散的程度可能相当不一致。由此可 见，极差往往不能反映一组数据的实际离散程度， 极差所反映的仅仅是一组数据的最大的离散值。平均差v平均差是指一组数据中的各数据对平均数的 离差绝对值的平均数。一组数据中的各数据 对平均数的离差有正有负，其和为零，因此 平均差必须用离差的绝对值来计算。平均差 愈大，表示数据之间的变异程度愈大，反之 则变异程度愈小。计算公式为： 方差v平均差用绝对值来进行度量，虽然避免了正 负离差的相互抵消，但不便于运算。一般情 况下，用方差来度量一组数据的离散性。其 计算公式为：标准差v为了使统计量的单位同观察值的单位相一致 ，通常将方差开平方，即得到标准差，标准 差也称为均方差。其计算公式为： 方差和标准差v由定义可知，方差和标准差所反映的是一组 数据对其均值为代表的中心的某种偏离程度 。从定义可知，标准差（或方差）较小的分 布一定是比较集中在均值附近的，反之则是 比较分散的。标准差的缺点是计算起来比较 麻烦。标准差也是根据全部数据来计算的， 但是它也会