एसएएस बेस प्रोग्रामिंग मूल बातें। पाठ 4. एसएएस डेटासेट बनाना

पिछले लेख में, हमने सीखा कि बाहरी कच्चे डेटा को कैसे पढ़ें। आज हम एसईटी ऑपरेटर से परिचित होंगे, जो मानक एसएएस डेटा सेट (एसएएस डेटा सेट) पढ़ता है, डेटा स्लाइस बनाने का तरीका सीखता है, लगातार विशेषताओं को कॉन्फ़िगर करता है, और कुछ उपयोगी एसएएस फ़ंक्शन भी सीखता है। एक बार फिर, मैं यथासंभव सरल उदाहरणों में सामग्री को सरलतम भाषा में प्रस्तुत करने का प्रयास करूंगा।



मान लीजिए कि डेटा को EXCEL प्रारूप में निर्देशिका C: \ कार्यशाला \ habrahabr में संग्रहीत किया गया है। हम स्प्रेडशीट आयात करते हैं, इसमें से एक स्लाइस बनाते हैं, एसएएस फ़ंक्शन का उपयोग करके नए गणना किए गए कॉलम बनाते हैं, और फिर इस डेटा को दो में विभाजित करते हैं।

एक स्प्रेडशीट आयात करें और एक फ़िल्टर सेट करें

एक्सेल फ़ाइल को उपरोक्त निर्देशिका में संग्रहीत किया जाता है और ऐसा दिखता है:

फ़ाइल स्निपेट:


हम एसएसी डेटासेट में स्प्रेडशीट बदलने के लिए PROC आयात प्रक्रिया लागू करते हैं:

options validvarname=v7; proc import datafile="C:\workshop\habrahabr\company.xlsx" dbms=xlsx out=company replace; getnames=yes; run; 

मान्यवरनाम = V7 विकल्प एसएएस दृष्टिकोण से सही फ़ील्ड नाम सेट करता है: सभी अमान्य वर्णों को अंडरस्कोर के साथ बदल देता है। नामकरण चर के नियम पाठ 1 में पाए जा सकते हैं ।

बाहरी फ़ाइल पढ़ते समय हम तुरंत फ़िल्टर सेट करते हैं, उदाहरण के लिए, हम केवल उन टिप्पणियों का चयन करते हैं जिनमें अंतिम तिथि गायब नहीं है। जहाँ पैरामीटर का सिंटैक्स नोट करें।

 options validvarname=v7; proc import datafile="C:\workshop\habrahabr\company.xlsx" dbms=xlsx out=company (where=(End_Date not is missing)) replace; getnames=yes; run; 

हमें विस्तार से PROC आयात कदम ऑपरेटरों पर विचार करें:

Datafile - बाहरी फ़ाइल का पूर्ण पथ और नाम परिभाषित करता है
Dbms - आयात करने के लिए डेटा प्रकार को परिभाषित करता है।
आउट - एसएएस आउटपुट डेटासेट की पहचान एक या दो-स्तरीय एसएएस नाम (लाइब्रेरी नाम और डेटासेट नाम) के साथ करता है।
बदलें - एक मौजूदा SAS डेटासेट ओवरराइट करता है।
गेटनेम - इंगित करता है कि क्या PROC आयात इनपुट बाहरी फ़ाइल की पहली पंक्ति में डेटा मानों से एसएएस चर नाम बनाता है।

PROC आयात चरण चलाएँ और लॉग की जाँच करें:


परिणामी SAS डेटासेट प्रिंट करें:

 proc print data=work.company noobs; run; 

PROC PRINT प्रक्रिया का आउटपुट नीचे दिखाया गया है:

टुकड़ा:


एसएएस यूई में, आप आयातित एसएएस डेटासेट देखने के लिए परिणाम टैब का उपयोग कर सकते हैं।

SAS डेटासैट पढ़ना

एसएएस डेटासेट को एसएटी स्टेटमेंट का उपयोग करके डेटा चरण में लागू किया जाता है:

सेट स्टेटमेंट के लिए सामान्य सिंटैक्स पर विचार करें:

 SET<SAS-data-set(s) <(data-set-options(s) )> > <options>; 

यदि आप SET स्टेटमेंट में कोई डेटासेट निर्दिष्ट नहीं करते हैं, तो यह अंतिम निर्मित एसएएस डेटासेट से टिप्पणियों को पढ़ता है।

SET स्टेटमेंट में, आप कई डेटा सेट निर्दिष्ट कर सकते हैं, इस मामले में, एसएएस डेटा सेट्स को एक के तहत एक जोड़ा जाएगा (SQL में UNION के समान)।

इसके अलावा, डेटा चरण में, दो SET स्टेटमेंट हो सकते हैं, जिस स्थिति में टेबल एक कॉमन कॉलम से जुड़ जाते हैं। आप इस लेख में दो SET कथनों के बारे में अधिक पढ़ सकते हैं, उदाहरण के लिए।

एसएएस डाटासेट की एक प्रतिलिपि बनाने के लिए सबसे सरल कोड निम्नानुसार है:

 data company1; set company; run; 

एसएएस डेटासैट डिस्क्रिप्ट्टर को कॉन्फ़िगर करना

आप PROC सामग्री प्रक्रिया ( पाठ 2 देखें ) का उपयोग करके एसएएस डेटासेट डिस्क्रिप्टर की जांच कर सकते हैं । इस ट्यूटोरियल में, हम PROC DATASETS प्रक्रिया का उपयोग करके डिस्क्रिप्टर घटक को प्रिंट करेंगे:

 proc datasets library=work nolist; contents data=company order=varnum; quit; 

परिणामों का एक टुकड़ा:


Travel_Expenses और बजट चर के लिए एक निरंतर प्रारूप सेट करें:

 data company; set company; format Travel_Expenses Budget dollar10.2; run; 

SAS डेटासेट की विशेषताओं की जाँच करें:

 proc datasets library=work nolist; contents data=company order=varnum; quit; 

गणना किए गए कॉलम बनाना

सभी एसएएस कार्यों को एसएएस 9.4 फंक्शंस और कॉल रूटीन में खोजा जा सकता है : संदर्भ, पांचवां संस्करण ।

इसके अतिरिक्त, यदि किसी विशेष कार्य को करने के लिए कोई उपयुक्त कार्य नहीं है, तो आप PROC FCMP प्रक्रिया का उपयोग कर सकते हैं और अपना कार्य बना सकते हैं।

इस पाठ में, हम तीन कार्यों YRDIF, SUM और CATS का पता लगाएंगे।

वर्षों में तिथियों के अंतर की गणना करने के लिए, हम YRDIF फ़ंक्शन का उपयोग करेंगे।

आपको याद दिला दूं कि एसएएस प्रारूप में एक तारीख 01 जनवरी 1960 से शुरू होने वाले दिनों की संख्या है ( पाठ 1 देखें )। प्रस्तुत आंकड़ों पर, हमें निष्पादन समय की गणना करने की आवश्यकता है:

 data company1; set work.company; Lead_Time=yrdif(Start_Date, End_Date, 'actual'); format Travel_Expenses Budget dollar10.2 Lead_Time 3.1; run; 

कृपया ध्यान दें कि लीड_टाइम वैरिएबल के लिए 3.1 प्रारूप का उपयोग करते हुए, हमने रिपोर्ट (!) से 1 दशमलव स्थान में परिकलित मानों को गोल किया। स्वरूप ऑपरेटर SAS डेटासेट में मान नहीं बदलता है !

परिणामों का एक टुकड़ा:


अगला, हम यात्रा खर्चों के बिना काम की लागत की गणना करते हैं:

 data company1; set work.company; Lead_Time=yrdif(Start_Date, End_Date, 'actual'); Cost=Budget-Travel_Expenses; format Cost Travel_Expenses Budget dollar10.2 Lead_Time 3.1; run; 

परिणामों का एक टुकड़ा:


हमारे कार्य के हिस्से के रूप में, हमने फ़ंक्शन का उपयोग किए बिना खाते की यात्रा के खर्च को ध्यान में रखते हुए काम की लागत की गणना की। हमारी तालिका में कोई अनुपलब्ध मान नहीं हैं, यदि किसी एक चर (बजट या Travel_Expenses) में एक लापता मूल्य था, तो परिणाम "मिशन" था।

उदाहरण के लिए:

एक परीक्षण डेटा सेट बनाएँ:

 data test; input Budget Travel_Expenses; datalines; 12345 233 . 345 12543 . ; 

वैरिएबल बजट Travel_Expenses के अंतर की गणना करें

 data test; set test; value=Budget-Travel_Expenses; run; 

इस कदम का परिणाम:


सही परिणाम प्राप्त करने के लिए, आप SUM फ़ंक्शन का उपयोग कर सकते हैं।

यह फ़ंक्शन वर्णनात्मक सांख्यिकी फ़ंक्शन की श्रेणी से संबंधित है। वर्णनात्मक आँकड़े फ़ंक्शन लापता मानों को अनदेखा करते हैं।

SUM के माध्यम से कोड लिखना:

 data test; set test; value=sum(Budget,-Travel_Expenses); run; 

इस मामले में, कदम का परिणाम इस प्रकार है:


तीसरा परिकलित स्तंभ प्रबंधक का ईमेल पता है। यह कॉलम Manager_FirstName, Manager_LastName और मान harocom से "असेंबल" किया जा सकता है

आप पाठ मानों को एक पंक्ति में संयोजित करने के लिए CATS फ़ंक्शन का उपयोग कर सकते हैं।

 data company1; set work.company; Lead_Time=yrdif(Start_Date, End_Date, 'actual'); Cost=Budget-Travel_Expenses; Email=cats(Manager_FirstName, '.',Manager_LastName, '@habr.com'); format Cost Travel_Expenses Budget dollar10.2 Lead_Time 3.1; run; 

परिणामों का एक टुकड़ा:


आइए बनाए गए डेटा सेट के विवरणक की जांच करें:

 proc contents data=work.company1 varnum; run; 

संभालें टुकड़ा:


ईमेल वैरिएबल की लंबाई पर ध्यान दें। यह 200 बाइट्स है; यह CATS फ़ंक्शन द्वारा दी गई डिफ़ॉल्ट लंबाई है। यदि हम चर प्रबंधक_FirstName और Manager_LastName की विशेषताओं की जांच करते हैं, तो हम यह सुनिश्चित कर सकते हैं कि ईमेल चर के लिए 8 + 6 + स्ट्रिंग की लंबाई '@ habr.com' पर्याप्त है, यानी एक और 9 बाइट्स, कुल 23. मुझे इस पर ध्यान क्यों देना चाहिए? सभी लापता वर्ण रिक्त स्थान प्राप्त करते हैं, जो डेटा सेट के आकार को प्रभावित करता है और बड़ी मात्रा में डेटा पर प्रदर्शन को प्रभावित करेगा।

ईमेल चर की लंबाई स्पष्ट रूप से निर्धारित करने के लिए, आपको LENGTH ऑपरेटर का उपयोग करना होगा:

 data company1; set work.company; length Email $23; Lead_Time=yrdif(Start_Date, End_Date, 'actual'); Cost=Budget-Travel_Expenses; Email=cats(Manager_FirstName, '.',Manager_LastName, '@habr.com'); format Cost Travel_Expenses Budget dollar10.2 Lead_Time 3.1; run; 

टुकड़ा संभालना


निम्नलिखित स्थितियों को ध्यान में रखते हुए लीड_टाइम वैरिएबल पर आधारित एक विस्तृत कॉलम बनाएँ:

1. यदि लीड_टाइम चर का मान 1 से कम है, तो डिटेल कॉलम का मूल्य 1 वर्ष से कम है।
2. यदि लीड_टाइम वैरिएबल का मान सीमा सहित 1 से 2 तक है, तो डिटेल कॉलम का मान 1-2 साल है।
3. यदि लीड_टाइम वैरिएबल का मान 2 को छोड़कर 3 से 3 तक है, तो डिटेल कॉलम का मान 2-3 साल है।
4. यदि लीड_टाइम वैरिएबल का मान 3 को छोड़कर 3 से 4 की सीमा में है, तो डिटेल कॉलम का मान 3-4 साल है।
5. यदि लीड_टाइम वैरिएबल का मान 4 को छोड़कर 4 से 5 तक है, तो डिटेल कॉलम में 4-5 साल का मान है।
6. अन्य सभी मामलों में, विवरण स्तंभ का मान 5 वर्ष से अधिक है।

आप विभिन्न तरीकों से एक विस्तृत स्तंभ बना सकते हैं, उदाहरण के लिए, सशर्त प्रसंस्करण का उपयोग करने के लिए सबसे सरल और सबसे स्पष्ट विकल्प है। इसे निम्नलिखित ऑपरेटरों का उपयोग करके लागू किया जा सकता है:

1. If-then-else
2. ईएलएसई आईएफ
3. चयन-कब

बड़ी मात्रा में डेटा के लिए, अंतिम दो विकल्पों का उपयोग करना अधिक कुशल है।

 data company1; set work.company; length Email $23; Lead_Time=yrdif(Start_Date, End_Date, 'actual'); Cost=Budget-Travel_Expenses; Email=cats(Manager_FirstName, '.',Manager_LastName, '@habr.com'); format Cost Travel_Expenses Budget dollar10.2 Lead_Time 3.1; if Lead_Time<1 then detail='less than a year'; else if Lead_Time=>1 and Lead_Time<=2 then detail='1-2 years'; else if Lead_Time>2 and Lead_Time<=3 then detail='2-3 years'; else if Lead_Time>3 and Lead_Time<=4 then detail='3-4 years'; else if Lead_Time>4 and Lead_Time<=5 then detail='4-5 years'; else detail='above 5 years'; run; 

एक शर्त जोड़ें जो केवल उन टिप्पणियों का चयन करता है जिसमें विस्तार चर का मान '5 वर्ष से अधिक' के बराबर नहीं है। फ़िल्टर के रूप में उपयोग करते समय, एक सिंटैक्स त्रुटि होगी:


जहाँ पर संगणित कॉलम के लिए क्लॉज का उपयोग नहीं किया जाता है। हमें जिन चरों का चयन करना है, उनके लिए हमें चयनात्मक IF कथन की आवश्यकता है। यह बनाए गए डेटा सेट के अवलोकन का आउटपुट रद्द करता है:

 data company1; set work.company; length Email $23; Lead_Time=yrdif(Start_Date, End_Date, 'actual'); Cost=Budget-Travel_Expenses; Email=cats(Manager_FirstName, '.',Manager_LastName, '@habr.com'); format Cost Travel_Expenses Budget dollar10.2 Lead_Time 3.1; if Lead_Time<1 then detail='less than a year'; else if Lead_Time=>1 and Lead_Time<=2 then detail='1-2 years'; else if Lead_Time>2 and Lead_Time<=3 then detail='2-3 years'; else if Lead_Time>3 and Lead_Time<=4 then detail='3-4 years'; else if Lead_Time>4 and Lead_Time<=5 then detail='2-3 years'; else detail='above 5 years'; if detail ne 'above 5 years'; run; 

यह भी ध्यान दें कि चयनात्मक IF कथन के लिए एक अंकगणितीय ऑपरेटर की आवश्यकता होती है। हम उदाहरण के लिए, इस तरह नहीं लिख सकते:

 if detail contains 'above 5 years'; 

एक त्रुटि लॉग में प्रदर्शित किया जाएगा:

SAS डेटासेट कॉन्फ़िगर करें।

चर प्रबंधक_FirstName और Manager_LastName नए SAS डेटासेट में मौजूद नहीं होने चाहिए। यह आवश्यकता DROP पैरामीटर का उपयोग करके कार्यान्वित की जाती है, और DROP ऑपरेटर का भी उपयोग किया जा सकता है।

 data company1 (drop=Manager_FirstName Manager_LastName); set work.company; length Email $23; Lead_Time=yrdif(Start_Date, End_Date, 'actual'); Cost=Budget-Travel_Expenses; Email=cats(Manager_FirstName, '.',Manager_LastName, '@habr.com'); format Cost Travel_Expenses Budget dollar10.2 Lead_Time 3.1; if Lead_Time<1 then detail='less than a year'; else if Lead_Time=>1 and Lead_Time<=2 then detail='1-2 years'; else if Lead_Time>2 and Lead_Time<=3 then detail='2-3 years'; else if Lead_Time>3 and Lead_Time<=4 then detail='3-4 years'; else if Lead_Time>4 and Lead_Time<=5 then detail='2-3 years'; else detail='above 5 years'; if detail ne 'above 5 years'; run; 

हमने दिए गए SAS डेटासेट को दिए गए शर्त के अनुसार दो भागों में विभाजित किया है

एक डेटा चरण में, आप कई एसएएस डेटासेट बना सकते हैं। प्रत्येक देश के लिए एक अलग डेटा सेट बनाएँ।

उदाहरण के लिए, देश कॉलम में कौन से मान हैं, यह जांचने के लिए, आप PROC FREQ प्रक्रिया का उपयोग कर सकते हैं।

 proc freq data=company1; table Country /nocum nopercent; run; 

यह चरण इस बात पर विचार करता है कि डेटा = पैरामीटर में निर्दिष्ट एसएएस डेटासेट में कंट्री वैरिएबल से कोई विशेष मान कितनी बार आता है।

इस चरण का परिणाम निम्नानुसार होगा:


इसलिए, हम OUTPUT ऑपरेटर और सशर्त प्रसंस्करण का उपयोग करके एक डेटा चरण में दो डेटा सेट बनाएंगे:

 data US AU; set work.company1; if Country='AU' then output AU; if Country='US' then output US; run; 

कोड चलाएँ और लॉग देखें:


यह एसएएस डेटासेट को पढ़ने और कॉन्फ़िगर करने के बारे में संक्षेप में है। अगले लेख में, हम आपको MERGE और SET कथनों का उपयोग करके डेटासेट के संयोजन से परिचित कराएँगे।

और एक पीएस के रूप में, मैं आपको हमारे एसएएस बेस सबक की संरचना याद दिलाता हूं:

लेख जो पहले ही प्रकाशित हो चुके हैं:

1. एसएएस आधार पर प्रोग्रामिंग की बुनियादी बातें। पाठ १।
2. एसएएस आधार पर प्रोग्रामिंग की बुनियादी बातें। पाठ 2. डेटा एक्सेस
3. एसएएस आधार पर प्रोग्रामिंग की बुनियादी बातें। पाठ 3. पाठ फ़ाइलों को पढ़ना।
4. आपने अभी चौथा सबक सीखा है।

निम्नलिखित लेखों में मैं इस तरह के मुद्दों को एसएएस बेस (मर्ज, सेट), सशर्त प्रसंस्करण, लूप, एसएएस फ़ंक्शन में शामिल होने, कस्टम प्रारूप बनाने, एसएएस मैक्रो, पीआरओसी एसक्यूएल जैसे मुद्दों को उजागर करना चाहूंगा।

मुझे टिप्पणियों में प्रतिक्रिया करने में खुशी होगी! लेखों में आप कौन से अन्य विषय देखना चाहेंगे?