SAS 中的Order By - Proc Sort

1.排序proc sort
proc sort在按數(shù)據(jù)集中某一個變量或幾個變量的升序或降序?qū)⒂涗浿匦屡帕?，并把結(jié)果保存在輸出數(shù)據(jù)集中，如果不另外指定輸出數(shù)據(jù)集，則覆蓋輸入數(shù)據(jù)集。
在data步和proc步某些操作中，當需要用到by語句時，一般都需要源數(shù)據(jù)集按照by語句中的變量事先排序，這里就需要用到proc sort。

(1)語法格式
PROC SORT <collating-sequence-option> <other option(s)>;
BY <DESCENDING> variable-1 <...<DESCENDING> variable-n>;
proc sort一些常用的選項：
·數(shù)據(jù)集選項
data= 輸入數(shù)據(jù)集，缺省時使用最近創(chuàng)建的數(shù)據(jù)集
out= 輸出數(shù)據(jù)集，缺省時表示排序后覆蓋源數(shù)據(jù)集
·排序序列選項
sortseq= 指定排序的序列，這跟使用的操作系統(tǒng)有關(guān)，Windows/Unix都是ASCII編碼，一般這個選項缺省就行；也可以直接在proc sort后面加上編碼名稱。
·修改排序次序的選項
reverse 使用由正常排序序列相反的排序序列對字符變量進行排序，可以被by語句中的descending選項取代，reverse只能用于字符變量。
equals|noequals 規(guī)定輸出數(shù)據(jù)集中具有相同by變量的那些記錄的次序，equals選項是保持在輸入數(shù)據(jù)集中原來的相對次序，而noequals選項則沒有這一限制。
·刪除重復(fù)記錄的選項
noduprecs 刪除重復(fù)的記錄，發(fā)生在排序后，將完全相同的記錄刪除。
nodupkey 刪除重復(fù)的by變量記錄，發(fā)生在排序中，sort過程讀取輸入數(shù)據(jù)集中的記錄，在寫入輸出數(shù)據(jù)集時先比較by變量值，如有重復(fù)則部寫入輸出數(shù)據(jù)集。這個選項要小心使用，因為SAS會刪除by變量重復(fù)的記錄，而不管該記錄是不是重復(fù)的，這樣就會丟失有效的數(shù)據(jù)。
·其他選項
datecopy 保留數(shù)據(jù)集創(chuàng)建或修改的日期，缺省時排序也會被認為是修改，上次的修改時間就會被覆蓋，可是有些時候我們并不希望SAS這么做。
force 強制排序，不管輸入數(shù)據(jù)集是否已經(jīng)排序或有索引，都進行重新排序
內(nèi)存與磁盤優(yōu)化選項排序在各種語言中是一種基本的算法，當數(shù)據(jù)集很大時會占用大量的計算機資源，這些選項提供算法在這方面的優(yōu)化。

by語句
缺省情況下，是按照變量進行升序排列(ascending)，降序則要顯性的用descending指明。
特別的是，這兩個關(guān)鍵字應(yīng)該寫在變量的前面，而其他語言可能相反，如SQL將排序關(guān)鍵字放在變量之后。

(2)運行機制
proc sort會先檢查輸入數(shù)據(jù)集的排序信息，特別是sortedby=選項，如果輸入數(shù)據(jù)集提示已經(jīng)按照by變量進行過排序，或者sort過程檢測到數(shù)據(jù)集中記錄的順序按照by變量本來就是有序的，則proc sort就會偷懶，不進行排序，直接將輸入數(shù)據(jù)集復(fù)制到輸出數(shù)據(jù)集中；另外，如果輸入數(shù)據(jù)集在by變量上已經(jīng)創(chuàng)建索引，則也不進行排序，因為排序之后會破壞原來的索引。除此之外，proc sort才會進行排序。
那么，如果用戶要強制sort過程進行排序呢？那就需要用到force選項了。
(3)實例
對數(shù)據(jù)集按年齡大小進行排序，相同年齡的觀測仍然按原來的次序。
proc sort data=age equals;
    by age;
run;