读书笔记littlesas第23章节SAS数据集重组.docxVIP

第23章 SAS数据集的重组目录第23章 SAS数据集的重组123.1 简介123.2 用DATA步完成转换 一个对象对应一条观测到一个对象对应多条观测123.3用DATA步完成转换 一个对象对应多条观测到一个对象对应一条观测323.4用PROC TRANSPOSE过程完成转换 一个对象对应一条观测到一个对象对应多条观测323.5用PROC TRANSPOSE过程完成转换 一个对象对应多条观测到一个对象对应一条观测423.1 简介结构重组是指下面两个数据集的相互转换：每个对象对应一条观测，每个对象对应多条观测。我们为什么需要这种转换呢？因为当一个对象对应一条记录时，一些算法更容易执行。而另外一些算法更容易执行一个对象多条记录的这类数据。方法是用DATA步或者是PROC TRANSPOSE.23.2 用DATA步完成转换 一个对象对应一条观测到一个对象对应多条观测数据集名字为oneper, 一个对象对应三个诊断代码（DX1-DX3）.下面是数据集的展示 注意到，一些对象有三个诊断代码，一些有两个，一些有一个（对象004）。怎样获得诊断代码的频率分布？例如，对象001在第三个诊断取值410，对象001在DX1有相同的取值。如果数据集结构被调整成这样，问题可能更好回答。 程序23-1data learn.manyper;set learn.oneper;array DX{3};do visit=1 to 3;if missing(DX{visit})then leave;diagnosis=DX{visit};output;end;keep subj diagnosis visit;run;下面来描述一下SAS程序工作的细节。DO循环开始时，visit的值是1，MISSING函数看是否缺失值。对于对象001，没有缺失的诊断代码，因此对这个对象if语句永远不为真。一个新的变量，，diagnosis，被设置等于数组元素DX{1}，和变量DX1有相同的值，为450 。到这里，程序数据向量为（PDA）为由于keep语句，在DO循环的底部，只有变量subj,visit，diagnosis被写到数据集manyper里面接着是下一条DO循环，visit等于2，diagnosis等于430，这些值被输出到数据集manyper中的第二条观测。最后，visit等于3，diagnosis等于410，这些值被输出到数据集manyper中的第三条观测。数据部现在到达底部，由于oneper数据集没到达文件的最后，oneper数据集中一条新的观测到了PDV中，过程继续。当DO循环到达对象002的第3个visit，DX{3}是缺失值，MISSING函数返回一个真值，LEAVE语句执行。一个LEAVE语句执行意味着DO循环伸出一个分支，跳到DO循环的第一个状态（output没有执行）。这意味着下一条DX不为缺失的记录将覆盖这个DX缺失的记录。23.3用DATA步完成转换 一个对象对应多条观测到一个对象对应一条观测程序23-2 从一个对象对应多条记录变为一个对象对应一条记录data learn.oneper;set learn.manyper;by Subj Visit;array Dx{3};retain Dx1-Dx3;if first.Subj then call missing(of Dx1-Dx3);Dx{Visit} = Diagnosis;if last.Subj then output;keep Subj Dx1-Dx3;run;首先，要按照 subj visit排序（里面已经按顺序排好了，但通常情况下，先要排一下）。然后设置数值去保存三个DX的值，并retain这三个值。你需要retain这三个变量是因为这三个变量不是来自于不是来自于一个SAS数据集，在默认情况下，一条循环读完后会变为缺失值。而retain语句可防止这个事情发生，如当我读完第一条观测值，DX1有值，DX2,DX3缺失。读第二条值，DX1的值依然保留着，于是DX1，DX2有值，DX3缺失。当读完第三条，DX1，DX2，DX3都有值（一个subj的读取结束了）。然后，当你开始处理第一个visit的时候（一个新的subj开始了），设置DX的3个取值为缺失值。如果你不这样做，如果这个对象visit的个数小于3，将会从之前的的DX取值。CALL MISSING函数完成了这项任务。然后，你指定DX合适的值。23.4用PROC TRANSPOSE过程完成转换 一个对象对应一条观测到一个对象对应多条观测PROC TRANSPOSE也可以用于SAS数据集结构的调整。有时候PROC TRANSPOSE提供一个又快又简单的方法，有时候PROC TRANSPOSE方法会更复杂。通常，数据部能够提供更多的。