python课件与代码数据整理.pptVIP

* “Orion_profit” * 此处输入答案 此处输入答案 * * data KDD99_LOANS_1; set KDD99_LOANS_1; if operation= then operation=其它; if operation=从他行收款 then index=trans_id1; if operation=汇款到另一家银行 then index=trans_id2; if operation=信贷资金 then index=trans_id3; if operation=信用卡借方 then index=trans_id4; if operation=支取现金 then index=trans_id5; if operation=其它 then index=trans_id6; run; * * * * * * * WIDETABLE * * * * * 拆分列任务 确定输出表的存储名称和位置 如果勾选，可以在值标识符列的取值前加上一个指定的前缀，这可以避免列名不符合SAS命名要求，但是该功能不常使用，因为我们要保证选择更有意义的变量充当该角色。 练习 继续上例，现需要得到客户在获得贷款前1年内不同业务的平均额度情况，并将两份数据合并。 堆叠列任务 该任务是拆分列的逆操作，使用表“WIDETABLE”完成以下操作。 堆叠列任务 用此处的列构建 一行或多行 堆叠列任务 以此处的列为基础堆叠成子组 堆叠列任务 原表中month1的属性 堆叠列任务 命名存放堆叠变量名称的列 创建简单查询 纵向连接表 横向连接表 对数据分组和汇总 重组 个案排秩 变量归一化与分布转换 在进行多元统计分析是，进行适当的变量归一化是得到优良结果的前提条件，部分多元统计方法（主成分、因子分析、聚类等）提供默认的归一化方法，但不能满足数据分布多样化的需求。 变量转换有两种： 消除量纲但是不改变分布（归一化） ：中心标准化、极差标准化； 同时消除量纲与改变分布：对数、百分位秩、Tukey评分等。 以下使用Profile_telecom数据对其中的cnt_call（通话次数）变量进行归一化。 中心标准化 该归一化方法之前章节讲过，是主成分等分析方法默认的，因此用处不大。 极差标准化 该方法和中心标准化类似，只不过值域为[0,1],该方法没有命令可以完成，只能根据公式编程完成。 原始变量 中心标准化 极差标准化 百分位秩 变量从小到大排序，然后依次赋予序列号，最后用总的样本量除以序列号， 值域[0,100] 。 Tukey正态分布打分 变量取自然对数 数学表达式： SAS函数： 百分位秩 Tukey正态分布打分 变量取自然对数 变量转换总结 正态分布和对称分布的变量使用中心标准化和极差标准化都可以（归一化）； 非对称变量选用百分位秩和取对数比较多，尤其是取对数，由于其具有经济学意义，因此使用的最多。 说明：对于右偏的变量，一般而言取对数是不错的处理方法。这部分内容超出授课范围，请参加多元统计中的广义线性模型的原理。 * * * * s105d07 * s105d07 * s105d07 * s105d09 * * 横向连接表操作 3、点击“添加表”，定位到DISP表，点击“打开”后DISP表被添加进来，而且自动起了T2这个别名。打开“连接表”，查看表连接的情况。 横向连接表操作 4、双击连接标识，弹出“连接属性”对话框，默认是内连接，此处改为左连接。 横向连接表操作 4、双击连接标识，弹出“连接属性”对话框，默认是内连接，此处改为左连接。然后点击确定按钮。 横向连接表操作 SAS EG会将两个表中名称相同的列当做连接条件。如果两张表没有找到同名列，则出现如下的提示： 这没有关系，只要在“表和连接”对话框中右击计划建立连接的列，指定建立连接的表和列就可以，如右图所示： 横向连接表操作 5、同样的方法再连接第三张Client表，选择需要展现的变量。 横向连接表操作 刚才操作生成的SQL语言如下： PROC SQL; CREATE TABLE WORK.QUERY_FOR_KDD99_CARD AS SELECT t1.card_id, t1.disp_id, t1.issued, t1.type, t3.sex, t3.birth_date, t3.district_id FROM PKDD99.KDD99_CARD t1 LEFT JOIN PKDD99.KDD99_DISP t2 ON (t1.disp_