關(guān)于缺失統(tǒng)計(jì)函數(shù)cmiss、nmiss中的小細(xì)節(jié)

在數(shù)據(jù)清理中統(tǒng)計(jì)缺失變量的缺失的時(shí)候，我們經(jīng)常會(huì)用到cmiss函數(shù)和nmiss函數(shù)，這兩者都是用來(lái)對(duì)缺失個(gè)數(shù)進(jìn)行統(tǒng)計(jì)，兩者區(qū)別就在于前者既能用于數(shù)值型也能用于字符型，而nmiss則只能用于數(shù)值型。

在使用這兩個(gè)函數(shù)的過程中，我們往往會(huì)發(fā)現(xiàn)在統(tǒng)計(jì)缺失個(gè)數(shù)時(shí)候，經(jīng)常出現(xiàn)實(shí)際計(jì)算出來(lái)的值要大于缺失值的個(gè)數(shù)，這是為什么呢？

舉個(gè)簡(jiǎn)單的例子：

data tmp;

v1=.;v2='';x=3;output;

v1=1;v2='A';x=2;output;

v1=3;v2='';x=.;output;

v1=.;v2='B';x=2;output;

run;

我們得到四行數(shù)據(jù)，如下所示：
 

接下來(lái)用cmiss函數(shù)進(jìn)行行缺失個(gè)數(shù)的統(tǒng)計(jì)：

data tmp1;

set tmp;

sum_miss=cmiss(of _all_);

run;

最終得到如下結(jié)果：

我們發(fā)現(xiàn)sum_miss的每一行值都比實(shí)際值要大1，為了了解這個(gè)過程，我們來(lái)通過put語(yǔ)句展示一下過程：

data tmp1;

set tmp;

put _all_;

sum_miss=cmiss(of _all_);

run;

查看日志：

我們發(fā)現(xiàn)在統(tǒng)計(jì)行缺失時(shí)，由于使用的_all_，所以把sum_miss變量也包含進(jìn)去了，所以才會(huì)產(chǎn)生如上結(jié)果。

那么為了避免出現(xiàn)這種結(jié)果，我們可以用兩種辦法：

第一種：對(duì)sum_miss賦值，例如:

data tmp1;

set tmp;

sum_miss = 0;

sum_miss=cmiss(of _all_);

run;

第二種：將變量列出來(lái)，例如：

data tmp1;

set tmp;

sum_miss=cmiss(v1,v2,x);

run;

但是通常情況下，我們還是習(xí)慣用第一種方法，因?yàn)橛袝r(shí)候變量太多，我們又不希望把他們都列出來(lái)，所以喜歡采用_all_來(lái)表示所有變量。

有童鞋也許會(huì)問了，如果我變量很多，但是我又只想對(duì)一部分變量進(jìn)行行缺失統(tǒng)計(jì)，那么我該怎么做呢？

方法也很多：

例如可以選擇第二種方法，只是需要將你要選擇的那些變量用宏變量把他們包含成一列：sum_miss = cmiss(of ˉo_var.);其中宏變量macro_var = v1 v2 x;。

例如可以選擇第一種方法，只是在set數(shù)據(jù)集時(shí)，將需要的都keep，前提還是需要將他們用宏變量包含城一列。

等等，根據(jù)具體情況，只要靈活結(jié)合宏，往往我們都能得到事半功倍的效果。

另外使用cmiss還要一個(gè)地方需要注意：

在將cmiss與%sysfunc結(jié)合使用時(shí)，需要注意對(duì)于宏變量是缺失的，我們要用（.）來(lái)表示，而不能用空格來(lái)表示，例如：

%let a = ;

%let b = hello;

%let c = %sysfunc(cmiss(&a.,&b.));

%put c = &c.;

我們可以看到日志中如下所示：

雖然最終得到了正確的結(jié)果，但是程序還是會(huì)報(bào)錯(cuò)。

那么為了消除這個(gè)error，我們需要在宏變量后面再加上一個(gè)點(diǎn)號(hào)，如下所示：

%let a = ;數(shù)據(jù)分析師培訓(xùn)

%let b = hello;

%let c = %sysfunc(cmiss(&a..,&b..));

%put c = &c.;

最終在日中中，我們會(huì)發(fā)現(xiàn)這個(gè)error已經(jīng)去掉了。