《SAS学习系列11.-对数据做简单的描述统计》由会员分享，可在线阅读，更多相关《SAS学习系列11.-对数据做简单的描述统计（16页珍藏版）》请在金锄头文库上搜索。
1、11. 对数据做简洁的描述统计一使用 proc means 描述数据用proc means 过程步，可以对数据做简洁的描述统计，包括：非缺省值个数、均值、标准差、最大值、最小值等。根本语法：PROC MEANS data = 数据集 ;VAR 变量列表; CLASS 分组变量;加权平均的权数相应观测消灭的频数说明：1可选项 “MAXDEC = n ”用来指定输出结果的小数位数；（2） 默认是对数据集的全部数值变量的非缺省值做描述统计， 假设想包含缺省值，加上可选项“MISSING”；（3） VAR 语句指定要做描述统计的变量；CLASS 语句指定按分组变量对数据进展分组分别做描述统计；BY 语
2、句同 CLASS 语句 需要事先按 BY 变量排好序；（4） 默认输出非缺省值个数、均值、标准差、最大值、最小值；也可以自己指定需要输出的描述统计量：MAX 最大值；MIN最小值； MEAN均值； MEDIAN中位数； MODE众数； N非缺省值个数； NMISS缺省值个数； RANGE极差； STDDEV标准差； SUM累和；例1 鲜花销售的数据C:MyRawDataFlowers.dat，变量包括顾客ID，销售日期，petunias，snapdragons，marigolds 三种花的销量：读取数据，计算新变量销售月份month，并使用proc sort 依据月份排序，并使用proc me
3、ans 的by 语句来依据月份描述数据。代码：data sales;infile ”c:MyRawDataFlowers.dat”;input CustID $ 9 SaleDate MMDDYY10. Petunia SnapDragon Marigold;Month = MONTH(SaleDate); proc sort data = sales; by Month;/* Calculate means by Month for flower sales; */proc means data = sales MAXDEC = 0; by Month;var Petunia SnapDra
4、gon Marigold;title ”Summary of Flower Sales by Month”;run;运行结果：二使用统计量有时候需要将统计量存入新数据集，以便进一步做数据分析，或者与原数据集合并。一、将统计量存入新数据集可以用 ODSOutput Delivery System系统或者 OUTPUT 语句，下面介绍用 OUTPUT 语句。语法：OUTPUT OUT = 数据集名 统计量名(变量列表)=新列名;例如：PROC MEANS DATA = zoo NOPRINT;VAR Lions Tigers Bears;OUTPUT OUT = zoosum MEAN(Lions
5、 Bears) = LionWeight BearWeight;RUN;例 2 仍旧是 例 1 的鲜花数据，读取数据，依据 CustomerID 排序， 使用proc means 过程，将 mean 和 sum 值存入新数据集 totals 中。代码：data sales;infile ”c:MyRawDataFlowers.dat”;input CustID $ 9 SaleDate MMDDYY10. Petunia SnapDragon Marigold;proc sort data = sales; by CustID;/* Calculate means by CustomerID,
6、 output sum and mean to new data set; */proc means NOPRINT data = sales; by CustID;var Petunia SnapDragon Marigold; output out = totalsmean(Petunia SnapDragon Marigold) = MeanP MeanSD MeanM sum(Petunia SnapDragon Marigold) = Petunia SnapDragonMarigold;proc print data = totals;title ”Sum of Flower Da
7、ta over Customer ID”; format MeanP MeanSD MeanM 3.;run;运行结果：程序说明：2保存统计量的新数据集，包括想要的统计量、 BY/CLASS（1） “NOPRINT”告知 SAS 不产生任何输出结果，由于已经存入新数据集zoosum; 语句的变量、_TYPE_、_FREQ_;3BY 语句变量有 3 个水平：756-01、834-01、901-02，结果是 3 个观测，CLASS 类似。二、合并统计量到原数据集1. 前面讲到将按“BY 变量”分组统计量保存为统计量数据集， 进一步可以用 MERGE 语句，将统计量数据集依据公共的“BY 变量”，通
8、过一对多匹协作并到原数据集。例 3 运动鞋经销商的销售数据C:MyRawDataShoesales.dat，变量包括风格名称、运动类型、第四季度销量：市场经抱负要一个报表，每种风格运动鞋占该运动类型销量中的百分比。代码：data shoes;infile ”c:MyRawDataShoesales.dat”; input Style $ 1-15 ExerciseType $ Sales; run;proc sort data = shoes; by ExerciseType;run;/* Summarize sales by ExerciseType and print; */proc me
9、ans NOPRINT data = shoes; var Sales;by ExerciseType;output out = summarydata sum(Sales) = Total;run;proc print data = summarydata; title ”Summary Data Set”;run;/* Merge totals with the original data set; */data shoesummary;merge shoes summarydata; by ExerciseType;Percent = Sales / Total * 100; run;p
10、roc print data = shoesummary; by ExerciseType;id ExerciseType;var Style Sales Total Percent;title ”Sales Share by Type of Exercise”;run;运行结果：2. 假设统计量是全体观测的汇总统计量无BY 变量做分组统计，此时，就不能直接承受一对多匹配没有共同“BY 变量”合并。但可以用 SET 语句实现。语法：DATA 新数据集;IF _N_ = 1 THEN SET 汇总统计量数据集; SET 原数据集;注：“汇总统计量数据集”只有一条观测值。创立新数据集时， 第一次迭
11、代循环_N_=1就读入该观测值，并始终为后续读入“原数据集”保存它相当于 RETAIN 语句。该语法机制也可用于： 没有匹配变量状况下，将一条观测与多条观测合并。例 4 仍是例 3 的数据，市场经抱负要一个报表，每种风格运动鞋占总销量的百分比。代码：data shoes;infile ”c:MyRawDataShoesales.dat”; input Style $ 1-15 ExerciseType $ Sales; run;* Output grand total of sales to a data set and print;proc means NOPRINT data = shoe
12、s; var Sales;output out = summarydata sum(Sales) = GrandTotal;RUN;proc print data = summarydata; title ”Summary Data Set”;run;* Combine the grand total with the original data;data shoesummary;if _N_ = 1 then set summarydata; set shoes;Percent = Sales / GrandTotal;run;proc print data = shoesummary;va
13、r Style ExerciseType Sales GrandTotal Percent; format Percent PERCENT.2;title ”Overall Sales Share”;run;运行结果：三使用 proc freq为数据计数用 proc freq 过程步可以对数据集的变量计算频数，再用 tables命令以表格的形式输出：只输出一个变量单向表；输出两个变量双向表；输出多个变量穿插表。频数表也可以用来检查错误数据。语法：PROC FREQ data = 数据集; TABLES 变量组合 ;注：1关于变量组合：一个变量的单向表，用“ TABLES 变量;”；两个变量的双
14、向表，用“TABLES 变量 1 * 变量 2;”；（2） 常用的可选项有：LIST用 list 形式打印穿插表而不是网格； MISSING频数统计量中包含缺失值； NOCOL强制在穿插表中不打印列百分比； NOROW强制在穿插表中不打印行百分比； OUT=data-set输出数据集；例 5 咖啡店的销售数据C:MyRawDataCoffee.dat，记录了销售的咖啡种类cappuccino, espresso, kona, iced coffee ，以及每次购置的顾客是打包还是原地就饮：读入数据，计算两个变量的频数。代码：data orders;infile ”c:MyRawDataCoffee.dat”; input Coffee $ Window $ ;* Pri
