利用SAS進行數據清洗技術—缺失值查詢

數據清洗技術是統計分析之前必做的一步，而且也是非常麻煩的一步，有時甚至花費的時間比統計分析都長。所以沒有一定的技巧，這將是個非常煩人的工作。本篇文章介紹如何利用sas進行缺失值的查詢工作。

假定我們有數據集aa，包含如下變量（數據省略）：

ID dose gender age t0 t1 a1 a2

最簡單的方式當然就是挨個變量找缺失值，如下：

data missing；

set aa；

if id=. or dose=. or gender=. or age=. or t0=. or t1=. or a1=. or a2=.；

proc print；

run；

這種方式很好理解，就是利用if語句逐個判斷每個變量是否有缺失（注意，如果變量時文本型，不能寫=.，而是=" "），但缺點也是顯而易見的，如果不是現在的8個變量，而是80個變量，那寫一遍估計要累個半死。所以我們用下面的語句節(jié)省體力：

data missing(drop=i)；

set aa；

array num{8} id dose gender age t0 t1 a1 a2；

do i=1 to 8；

if num{i}=. then output；

end；

這種方式好像比上面的更復雜了，但效率提高了n倍（取決于你的變量有多少）。這種方式是利用數組判斷缺失值，不管有100個還是1000個變量，對數組來說沒什么區(qū)別，只是數組中變量的個數改變一下而已（如本例中的8）。

當這種方式仍不是最節(jié)省的，因為我們還是需要把這8個變量一一寫出來，那可不可以就不寫變量名呢。當然可以，還有更簡單的方式如下：

data missing(drop=i)；

set aa；

array num{*} _all_；

do i=1 to dim(num)；

if num{i}=. then output；

end；

當這種方式更簡單了，而且是個通用語句，不管你有10個還是1000個變量，都可以用這種方式來查詢，一個字母都不用改。當然前提是所有變量都是數值型，如果是文本型，那就應該是num{i}=" "。

還有另外一種非常簡潔 的方式是利用函數，如下：

data missing(drop=i)；

set aa；

array num{*} _all_；

do i=1 to dim(num)；

if missing(num{i}) then output；

end；

用函數的這種方式有什么好處呢？起碼有一點，你不用考慮到底是數值還是文本，全部都是missing(變量)就行了。否則你還得想著數值是.，文本是" "。一不小心忘了容易出問題。

前面所說的都是假定所有變量都是同一種類型的，如果變量中既有數值型，又有文本型，那怎么辦呢？如下程序就很簡單了：

data missing(drop=i)；

set aa；

array a _numeric_；

do i=1 to dim(a)；

if missing(a) then output；

end；

array b_character_；

do i=1 to dim(b)；

if missing(b) then output；

end；

毫不夸張地說，這個簡直就是個缺失值的通用語句，同時遍歷了數據集中的數值型和文本型的所有缺失值。所有的缺失值查找，幾乎都可以這一語句來實現，它幾乎包含了所有的可能情況，還能苛求什么呢？套用就行了。