
SAS建立本地文件夹
SAS建立文件夹:用sas建立数据集市时,通常要生成每日数据并保留起来。
今天分享一段程序,SAS生成每日文件夹、模块文件夹及主题表文件夹并保留每日运行的日志,在下一期,分享日志检测程序
%let job=d:\job;
/*在job文件夹下每天建立一个日期年月日的文件夹*/
data time;
format t $8.;
t=compress(year(today())*10000+month(today())*100+day(today()));
call symput('t',t);
run;
/*建立文件夹*/
data _null_;
new=dcreate("&t.","&job.");
new1=dcreate("main","&job.\&t.");
new2=dcreate("log","&job.\&t.");
new3=dcreate("ods","&job.\&t.");
new4=dcreate("dds","&job.\&t.");
new5=dcreate("job","&job.\&t.");
new6=dcreate("canshu","&job.\&t.");
run;
/*定义存放错误数据集位置的文件位置*/
%let canshu=&job.\&t.\canshu;
/*抽取增量后存放基础层的位置*/
%let ods=&job.\&t.\ods;
/*加载数据后存放整理层的位置*/
%let dds=&job.\&t.\dds;
/*日志存放的位置*/
%let log=&job.\&t.\log;
/*存放确定结果数据集的位置*/
%let main=&job.\&t.\main;
/*生成主日志*/
/*proc printto*/
/* log="&log.\main.txt" new;*/
/*run;*/
DM 'LOG; log; FILE "&log.\main.txt." replace;';
run;
DM 'log; "clear";';
/*创建逻辑库*/
libname main "&main.";
libname canshu "&canshu.";
libname ods "&ods.";
libname dds "&dds.";
/*将excel表格输入到sas数据集*/
proc import out=sysinfo
datafile="&job.\z.xls";
sheet=sheet1;
getnames=yes;
run;
/*在ods层和dds层建立主题表文件夹*/
data a;
set sysinfo(keep=sys_nm);
run;
%macro test;
%let dsid=%sysfunc(open(work.a,i));
%put &dsid;
%let rc=%sysfunc(fetch(&dsid));
%do %while(&rc=0);
%let zhuti=%sysfunc(trim(%sysfunc(left(%sysfunc(getvarc(&dsid,1))))));
data _null_;
new=dcreate("&zhuti.","&ods.");
new=dcreate("&zhuti.","&dds.");
run;
%let rc=%sysfunc(fetch(&dsid));
%put &rc;
%end;
%let rc=%sysfunc(close(&dsid));
%mend;
%test;
z是数据集市的各个主题表名,格式如下:
最后生成的文件夹及问价如下:
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30