
在 DATA 步中用此语句对正创建的数据集中的变量给出新名字。 12.WINDOW 语句(窗口语句) 格式为∶WINDOW 窗口名 [选择项] [域……] [GROUP=组[域……]]……; 此语句可用来在显示管理、 交互行方式或非交互方式中创建用户使用的窗口。 这些窗口 可用来显示文字说明或接受输入的数据。 它们同样有命令行和信息行, 而且窗口名字也 出现 在窗口的左上角,在这些窗口内同样可以使用窗口命令和功能键。窗口选择项包括∶ ①COLOR=颜色 用来指明窗口的背景颜色。有下列关键词表明所选的颜色∶ WHITE(白) BLACK(黑) GREEN(绿) MAGENTA(洋红) RED(红) YELLOW(黄) CYSAN(青 兰) GRAY(灰) BLUE(蓝) BROWN(棕) PINK(粉红) ORANGE(桔黄)。 ②ROWS=规定窗口的行数; ③COLUMNS=规定窗口的列数; ④IROW=指明所显示窗口 的初始 行号;⑤ICOLUMN=指明所显示窗口的初始列号;⑥KEYS=指明包含该窗口功能键定义 的文件名。 下面举一个例子展示 WINDOW 语句和 DISPLAY 语句的结合使用方法。 DATA abc; DISPLAY star; WINDOW star COLOR=YELLOW OUTPUT; #5 @10 'Enter the number of the Programs' x=.; #7 @10 'd2p7.PRG ------ 7' STOP; #8 @10 'd2p8.PRG ------ 8' DATA a; SET abc; #9 @10 'Number' @20 x PROTECT=NO IF x=7 THEN %INCLUDE 'a:d2p7.prg'; #10 @10 'Press Enter to continue'; RUN; (程序的第1部分) (程序的第2部分) 此程序提交执行后,创建一个名为 star 的窗口,显示第3~
7行上单引号内的信息, 光 标停在 number 之后等待用户输入一个需要运行的程序编号。 若输入数字7后回车, 将 A 盘上 的程序 d2p7.prg 调入 SAS 系统并运行此程序。若用户希望将 d2p7.prg 调到 PGM 窗口 等修改后再 提交给 SAS 系统执行,需对倒数第2行进行如下修改∶ IF x=7 THEN DM "INCLUDE 'a:d2p7.prg' "; Ⅴ.用在 PROC 步的语句 1.PROC 语句(过程语句) 格式为∶PROC 过程名 [选择项]; 如∶PROC MEANS DATA=aa MAXDEC=3 MEAN; 2.VAR 语句(变量语句) 格式为∶VAR 变量名; 如∶VAR a b c; VAR x1-x10 y; 3.MODEL 语句(模型语句) 格式为∶MODEL 因变量=自变量/[选择项]; 如∶MODEL y=a b x1 x2; 4.WEIGHT 语句(权数语句) 格式为∶WEIGHT 变量名; 常用在这样的一些分析中∶同每个观测有联系的方差不等, 且权数变量的值与方差之倒 数成比例。 5.FREQ 语句(频数语句) 格式为∶FREQ 变量名;
变量为数值型的, 它的值表示这个观测出现的频数。 注意∶WEIGHT 变量给出的是观测 的 相应权数。 6.ID 语句 格式为∶ID 变量名; 其作用是识别观测,相当于用 1,2,3,……来给观测编号。 7.WHERE 语句 格式为∶WHERE 表达式; 在 SAS 系统引入观测到 PROC 步之前从一个 SAS 数据集中选择符合特殊条件的观测。 如∶ PROC PRINT DATA=nc; WHERE county IN ( 'Wake', 'Franklin', 'Dare' ); RUN; 此过程步输出关于 Wake、Franklin 和 Dare 县的观测。 8.CLASS 语句(分类语句) 格式为∶CLASS 变量名; 如∶CLASS a b c; 该语句被一些 SAS 过程用来识别分类变量,以便进行统计分析。 9.BY 语句 格式为∶BY 变量名; 如∶BY a b c; 当用户希望分组处理数据集时,应该将 SORT 过程和 BY 语句结合起来定义数据集被分 类的 次序。如∶PROC SORT; BY a b c; RUN; PROC MEANS; BY a b c; RUN; 若 a、b、c 分别有 2、3、4 个水平,且各水平组合下都有两次以上重复试验数据,则 上面 两个过程步提交执行后,将把整个数据集拆成 24 个子集分别求各变量的均数、标准差 等统计 量的值。 10.OUTPUT 语句(输出语句) 格式为∶OUTPUT [OUT=SAS 数据集名] [关键词=与关键词联系的输出变量名]……; 如∶ PROC MEANS; VAR x; OUTPUT OUT=aaa MEAN=meanx STD=sx; RUN; 这里,aaa 为将要输出的 SAS 数据集名,MEAN、STD 为 MEANS 过程中允许写的选择 项中的关键词 ,meanx、sx 是希望在输出结果中用这两个变量分别表示变量 x 的均数宏准差。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16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