特别说明：本节【SAS Says】基础篇：描述性分析（上），用的是数说君学习《The little SAS book》时的中文笔记，我们认为这是打基础的最好选择。
转载请在文章开头注明微信号：shushuojun，谢谢！
复习：
前面四节
- 【SAS Says】基础篇：SAS软件入门（上）
- 【SAS Says】基础篇：SAS软件入门（下）
- 【SAS Says】基础篇：读取数据（上）
- 【SAS Says】基础篇：读取数据（中）
- 【SAS Says】基础篇：读取数据（下）
- 【SAS Says】基础篇：开发数据
在微信号“shushuojun”中回复“SAS”查看。
前面在我们介绍了如何开发数据——如何使用SAS的函数、如何用if-then语句、如何处理SAS烦人的日期格式、如何使用retain语句让SAS保存前一次变量的值，如何快捷列出SAS的变量名等等。本节介绍如何利用SAS写一份数据报告，给出数据的基本信息。
本节目录：
读取数据（下）
4.1 使用SAS过程步
4.2 用where语句构造子集
4.3 用proc sort为数据排序
4.4 用proc print打印数据
4.5 用format改变打印外观
4.6 可供选择的formats（表）
4.7 使用proc format创建自己的格式
4.8 定制一个简单的报告
4.9 使用proc means描述数据
4.10 将描述性统计写入SAS数据集中
描述性分析（上）
4.1 使用SAS过程步
大部分过程步都有一个必须的语句，也有可选的语句，比如打印语句：proc print，这两个词是必须的，但可选的语句也有很多。
Proc语句 所有的语句的必须部分为proc 过程名，比如print、contents等。后面接一些可选项。比如proc print data=banana；
data=banana选项告诉SAS打印哪个文件，如果不加，则SAS默认打印最近使用的数据。前面还可以家libname语句，建立一个对本地文件的链接（2.20），比如：
LIBNAME tropical 'c:MySASLib';
PROC CONTENTS DATA=tropical.banana;
或者直接引用（2.21）：PROC CONTENTS DATA='c:MySASLibbanana';
BY语句 BY语句只在过程proc sort中是必须的，它用来对观测值排序。其他过程BY告诉过程对变量进行分别分析，且是可选的。比如要对每个州进行分别分析，则为：BY State
另外，除了proc sort，其他过程都假设了数据已经进行了排序，所以如果数据还没有排序，那么在分析之前要用proc sort排序。
TITLE和FOOTNOTE语句 这是为输出加上标题和脚注。最基本的title语句为：title ‘标题’，双引号、单引号皆可，比如：
TITLE 'Thisis a title';
如果标题中带有撇号，则需用双引号，或者将撇号换为双撇号：
TITLE ”Here’sanother title”;
TITLE ’Here’’sanother title’;
可以通过在tile、footnote后面加上数字来添加多个标题和脚注，
FOOTNOTE3 ’Thisis the third footnote’;
但是小数字的标题会代替大数字的标题，如title2会代替title3。
标题的去处可以用title 空值：TITLE;
Label语句 它可以为输出的变量加上标签，一个标签最大256字节，下面的代码为receivedate和shipdate创建了标签：
LABEL ReceiveDate=’Date order was received’
ShipDate=’Datemerchandise was shipped’;
注意的是，在数据步中使用label语句，则标签会保存在数据集中；在过程步中使用，标签只在这个过程中有效。
定制输出 使用系统选项，可以为输出设置诸如居中、日期、单行长度、页长度等。使用Output Delivery System，还可以改变输出的风格，以不同的格式输出（HTML、RTF），甚至改变输出的任何细节。
输出数据集 可以用ODS OUTPUT语句为输出结果创立一个数据集（5.3），一些过程中也可以用out=option。
4.2 用where语句在过程中构造子集
也可以用where构造子集，它方便快捷，因为他不创建新的数据集。且能够用在过程步中。
Where语句的基本形式为：
WHERE condition;
只有满足条件的观测值才进行proc过程。
一些使用最多的操作符及例子：
例子 有一份关于画家的数据，artists.dat，包含画家的姓名、主要风格、国籍：
第一步首先是数据步，读取数据、使用直接指代在C盘mysaslib目录下创建一个名为style的数据集。
某天如果想打印出印象派impressionism画家的情况，那么可以使用where语句
输出结果为：
4.3 用proc sort为数据排序
基本形式为：
PROC SORT;
BY variable-1...variable-n;
SAS首先会按照第一个变量排序，再对后面的排序。
Data=，out=用来指定输入和输出数据，如果缺失out=，则SAS会将排序后的数据集代替原来的数据集。下面的代码告诉SAS对数据messy排序，并将排序后的数据存在neat中：
PROC SORT DATA=messy OUT=neat;
选项nodupkey告诉SAS排序时删除重复值，比如：
PROC SORT DATA=messy OUT=neat NODUPKEY;
SAS默认是升序，可以用选项DESCENDING来变成降序，将DESCENDING加在要降序的变量前面：
BY State DESCENDING City;
例子 下面的数据显示了一些鲸鱼和鲨鱼品种的平均长度：
下面的代码读取并排序数据
输出结果为：
因为SAS认为缺失值是比字符串和数值都小，所以排在了第一位。另外，由于whale shark 40的数据有两个，故因为nodupkey选项而被删除一个。说明可见日志：
4.4 用proc print打印你的数据
基本形式：PROC PRINT;
SAS默认打印最近使用的数据集，DATA=可以指定数据集：
PROC PRINT DATA=data-set;
SAS默认打印观测值数，noobs选项可以取消。SAS默认打印时用变量标签代替变量，用label可以改变取消：
PROC PRINT DATA=data-set NOOBS LABEL;
还有下面的选项：
BY variable-list; 前提是数据必须进行排序
ID variable-list;
SUM variable-list; 打印变量总数
VAR variable-list; 指定打印哪部分变量以及打印顺序，默认打印全部。
例子 有学生卖糖果的数据，Candy.dat，记录学生名、所属班级、销售日期、卖的糖果类型、卖出的糖果数。
下面的程序读取数据、计算每个学生赚得的利润（每买一块赚1.25美元），并用proc sort按班级排序。接着在proc print语句中加入by，以分班级打印，加入sum，计算每个班级总利润：
输出结果为：
4.5 用formats改变打印外观
打印数据时，SAS会自动为你安排最好的格式，小数点位数、空格等。
当不需要默认格式时，可以用SAS formats改变打印的外观。
对于字符串、数值、日期变量，SAS有很多格式。比如可以用commaw.d格式打印有逗号的数字，用$w.格式控制打印的字符串数，用MMDDYYw.格式将日期（以1960.1.1为基点的数字）打印成12/03/2003这样的格式。甚至可以将格式打印成十六进制、区位十进制、压缩十进制等。
SAS格式的普通形式为：
符号说明：$说明了是字符串、format是格式名、w是包括包括在小数点在内的长度、d是小数位数。句号非常重要，它用来区分格式名和变量名。
Format语句 可以用format语句同时将格式和变量联系起来，用format 变量名 格式名，比如想要将格式DOLLAR8.2和变量profit、loss联系起来，把格式MMDDYY8.和格变量saledate联系起来：
FORMAT Profit Loss DOLLAR8.2 SaleDate MMDDYY8.;
Format可以用在数据步和过程步中，前者将把格式永久储存，后者只是临时储存。
Put语句 当写原始数据或者报告时，也可以在put语句中使用formats，在每个变量后面加上格式：
PUT Profit DOLLAR8.2 Loss DOLLAR8.2 SaleDate MMDDYY8.;
例子在上面的学生卖糖果的案例中，可以看到输出的日期是SAS日期值，这里用format变换成日期格式，并且用DOLLAR6.2将利润换成货币格式，
输出结果为：
4.6 可供选择的formats
下面是例子
4.7 使用proc format创建自己的格式
有时候变量值用数字代表实际的变量值，比如1代表男性，2代表女性，这种代码在打印的时候不好解读，可以用proc format使得打印出想要的值。
基本形式为：
Value语句中的name是格式的名字，如果格式是位字符串设计，则必须以$开头，长度不能超过32个字节（包括$），不能以数字结尾，除了下划线，不能包含其他任何特殊符号。且名字不能与已有的格式名冲突。Range是分配给等号右边文本的变量值，文本可以达到32767个字节，有的过程只会打印前面8或16个字节。下面是一个例子：
变量值是字符串要加上引号，range不止一个值要用逗号隔开，连续的range要用-，关键字low和high可以用来指代变量中最小和最大的的非缺失值。也可以用<来排除或指代某些范围，other可以给任何没有列在value语句中的变量分配格式。
例子有一份关于汽车公司客户的调查信息。包括客户年龄、性别（1为男性，2为女性）、每年收入、偏爱的汽车颜色（yellow,gray,blue,or white）：
下面的代码读取数据，并使用format过程为颜色、性别和汽车创建格式，并在打印数据时用format为变量指定这些输出格式：
输出结果为：
4.8 定制一个简单的报告
数据步可以帮助在报告中完成一些个性的需求，比如一页打印一个观测值等。
用file语句和put语句，基本形式为：
FILE‘file-specification’PRINT;
如input，put语句也有list，column，formatted方式，但因为SAS已经知道变量类型，因此不用符号$。且如果使用list ，SAS会自动在两个变量之间加上空格；使用column或者formatted，SAS将会把变量放在任何你指定的地方。使用指示器@n指定移动到第n列， n指定移动n列，/跳动到下一行，#n跳动到第n行。用@hold住当前行。
例子再一次使用学生卖糖果的案例，Candy.dat，记录学生名、所属班级、销售日期、卖的糖果类型、卖出的糖果数。
老师想看每位学生的销售情况，故要每页分别打印一位学生的情况，代码如下：
Data null是告诉SAS不要写数据集名，以便使得程序更快。File语句创建了一个输出文件，空标题title语句告诉SAS去除所有的自动标题。
第一个put语句以一个指示器开头，@5，告诉SAS移动到第5列，接着打印出“candy sales report for”，后面是姓名name。变量name、class和quantity都是以list方式打印，而profit是使用formatted方式打印，并给定格式dollar6.2。一个斜杠是指跳到下一行，两个斜杠是跳到下两行。最后，语句put_age_是在每个学生报告下面插上页码，程序运行后，日志说明如下：
前三页报告如下：
4.9 使用proc means描述数据
可以用proc mens查看一些简单的统计量，Means过程开始于关键词proc means，后面接需要打印的统计量，基本形式：
PROC MEANS options;
如果不加选项，则默认打印出非缺失值个数、均值、标准差、以及最大最小值，下面是用选项可以查看的统计量：
如果没有其他语句，proc means语句会给你数据集中所有观测值和所有数值变量的统计量，这里是一些可以用到的语句：
- BY variable-list; 分变量单独分析，但数据必须先按照variable-list的变量顺序排序（proc sort）。
- CLASS variable-list; 也是分变量单独分析，看起来会更集中一些，且不需要排序。
- VAR variable-list; 指定分析中使用哪种数值变量，默认则使用所有的数值变量。
例子有一个花朵销售的数据，Flowers.dat，包括顾客ID，销售日期，petunias，snapdragons，marigolds三种花的销售量：
下面的代码读取数据，计算新变量销售月份，month，并使用proc sort按照月份排序，并使用proc means的by语句来按照月份描述数据：
输出结果为：
4.10 将描述性统计写入SAS数据集中
有两种方法可以在SAS数据集中储存描述性统计量，Output Delivery System(ODS)，或者output语句。前者在5.3，后者的基本形式为：
OUTPUTOUT=data-set output-statistic-list;
Data-set是要储存结果的数据集名，output-statistic-list则界定需要保存哪些统计量和名称，可能的形式为：
statistic(variable-list)=name-list
statistic可能是proc means语句中的任何一种统计量（sum，n，mean…），variable-list则界定VAR语句中哪些变量需要输出，name-list则定义统计量的新名字。比如，proc means语句产生了一个数据集ZOOSUM，包括一个观测值和变量lionweight（the mean of the lions’weights），BearWeight（the mean ofthe bears’weights）。
Noprint是告诉SAS不需要产生任何打印结果，因为已经将结果存入数据集中。
例子 仍然是花朵销售的数据
要描述数据，每个顾客只有一个观测值，包括SUM和MEAN，并且将结果储存到数据集中以便日后分析。下面的程序读取程序，按照CustomerID排序，使用means过程，结果存在totals数据集中。以原始名Petunia,SnapDragon,and Marigold给出sum，以新变量名MeanPetunia,MeanSnapDragon,andMeanMarigold给出mean
结果如下：
