SAS学习系列10.-合并数据集

10.合并数据集一、用SET语句拼接合并数据集用SET语句可以把两个数据集拼接合并在一起，适用于两个数据集具有相同的变量。基本形式为：data新数据集名;set旧数据集1旧数据集2;注：（1）按原来顺序合并成新数据集（数据集1在上，2在下）；（2）若一个数据集包含了另一个数据集没有的变量，那么合并后，该变量下将会出现缺省值。例1路径“C:\MyRawData\”下有关于娱乐公园南北门游客的数据South.dat和North.dat，都包括变量Entrance、PassNumber、PartySize、Age，后者多了一列Lot（停车）：先分别读入数据存为数据集再合并成一个新数据集，并创建了新变量，AmountPaid.代码：datasouthentrance;infile'c:\MyRawData\South.dat';inputEntrance$PassNumberPartySizeAge;procprintdata=southentrance;title'SouthEntranceData';run;datanorthentrance;infile'c:\MyRawData\North.dat';inputEntrance$PassNumberPartySizeAgeLot;procprintdata=northentrance;title'NorthEntranceData';run;databothentrance;setsouthentrancenorthentrance;ifAge=.thenAmountPaid=.;elseifAge3thenAmountPaid=0;elseifAge65thenAmountPaid=35;elseAmountPaid=27;run;procprintdata=bothentrance;title'BothEntrances';run;运行结果：注意：南门数据中缺少Lot数据，堆叠合并后的观测值为缺省值。二、用SET+BY语句排序拼接合并数据集前面是保持数据集原有顺序直接拼接合并，根据需要新数据集可以作排序处理。但这样效率较低，更好的方法是先排好序再合并。基本形式：data新数据集名;set旧数据集1旧数据集2;by变量1变量2…;注：旧数据集必须是事先排好序的。例2同样是例1的数据，对PassNumber做排序拼接合并，注意南门数据已经按PassNumber排序。代码：datasouthentrance;infile'c:\MyRawData\South.dat';inputEntrance$PassNumberPartySizeAge;procprintdata=southentrance;title'SouthEntranceData';run;datanorthentrance;infile'c:\MyRawData\North.dat';inputEntrance$PassNumberPartySizeAgeLot;procsortdata=northentrance;byPassNumber;procprintdata=northentrance;title'NorthEntranceData';run;datasortbothentrance;setnorthentrancesouthentrance;byPassNumber;run;procprintdata=sortbothentrance;title'BothEntrances,ByPassNumber';run;运行结果：三、一对一匹配合并数据集经常会遇到合并两个数据集，它们有共同的变量（其不同取值都是各出现一次），用MERGE语句可以将两个数据集按共同变量进行一对一匹配合并。注意：要求两数据集事先已按共同变量排序。基本形式：DATAnew-data-set;MERGEdata-set-1data-set-2…;BYvariable-list;注：（1）BY语句指定共同变量；（2）若两个数据集有重叠的变量（除了BY指定的共同变量），第2个数据集中的变量将覆盖第1个数据集中的相同变量。例3路径“C:\MyRawData\”下有关于某巧克力店的数据，chocsales.dat记录了所卖的巧克力代码、数量；chocolate.dat记录了巧克力代码、所代表的类型、描述：读入数据，按共同变量“巧克力代码”匹配合并数据集。代码：datadescriptions;infile'c:\MyRawData\chocolate.dat'TRUNCOVER;inputCodeNum$1-4Name$6-14Description$15-60;run;datasales;infile'c:\MyRawData\chocsales.dat';inputCodeNum$1-4PiecesSold6-7;procsortdata=sales;byCodeNum;run;datachocolates;mergesalesdescriptions;byCodeNum;run;procprintdata=chocolates;titleToday'sChocolateSales;run;运行结果：注意：数据1中没有代码为“M315”的销售记录，合并后的观测值显示缺省值。四、一对多匹配合并数据集也是两个包含共同变量的数据集要匹配合并，不同在于：该共同变量的同一取值在一个数据集中出现1次，在另一数据集中出现多次。此时就是“一对多匹配合并”。语法同“一对一匹配合并”完全相同。例4路径“C:\MyRawData\”下有关于鞋子打折的数据：Shoe.dat是关于鞋子的风格、类型、价格；Disc.dat是关于每个类型鞋子的折扣（训练鞋、跑步鞋、走路鞋的折扣各不同）：读入数据，按鞋子的类型合并数据集。代码：dataregular;infile'c:\MyRawData\Shoe.dat';inputStyle$1-15ExerciseType$RegularPrice;run;procsortdata=regular;byExerciseType;run;datadiscount;infile'c:\MyRawData\Disc.dat';inputExerciseType$Adjustment;run;/*Performmany-to-onematchmerge;*/dataprices;mergeregulardiscount;byExerciseType;NewPrice=ROUND(RegularPrice-(RegularPrice*Adjustment),.01);run;procprintdata=prices;title'PriceListforMay';run;运行结果：五、在数据步中用IN=选项跟踪选择观测值在DATA步中，IN选项可以被用在SET,MERGE,或者UPDATE语句（更多是在MERGE语句），接在要“追踪选择的数据集”后面。结合下面的示例，其作用是给原数据集（customer）的每条观测都定义一个临时标签变量（只存在数据步期间不带入数据集，取值0或1）用来指示“BY变量（CustomerNumber）”是否存在于“跟踪选择数据集（orders）”中，若存在，该条观测的临时标签变量Recent取值为1，否则取值为0.然后，将满足条件“Recent=0”的观测，即CustomerNumber号未包含在（orders）中的观测被选出来创建新数据集（noorders）。示例：DATAnoorders;MERGEcustomerorders(IN=Recent);BYCustomerNumber;IFRecent=0;例5运动品厂商有两份数据，一是包括所有客户的数据（C:\MyRawData\CustAddress.dat），变量包括客户编号、姓名、地址；一是包括了第三季度订单的数据（C:\MyRawData\OrdersQ3.dat），变量包括客户编号、总价格：现在想要了解哪些客户在第三季度没有任何订单，即可以用in=option选项。代码：datacustomer;infile'c:\MyRawData\CustAddress.dat'TRUNCOVER;inputCustomerNumberName$5-21Address$23-42;dataorders;infile'c:\MyRawData\OrdersQ3.dat';inputCustomerNumberTotal;procsortdata=orders;byCustomerNumber;run;/*CombinethedatasetsusingtheIN=option;*/datanoorders;mergecustomerorders(IN=Recent);byCustomerNumber;ifRecent=0;run;procprintdata=noorders;title'CustomerswithNoOrdersintheThirdQuarter';run;运行结果：