SAS之大話PDV

之所以說是數(shù)據(jù)源，而非輸入緩沖區(qū)的原因上一條推送已經(jīng)說明，這里就不再啰嗦啦。

這里我們且將DATA步流程簡單地分為從數(shù)據(jù)源讀入到pdv和從pdv寫入數(shù)據(jù)集。

IF語句 & WHERE語句

這兩個語句均是用于條件選擇，但二者作用時機卻大有不同。簡單來說，if語句作用于觀測出PDV到生成數(shù)據(jù)集時；而where語句則作用于觀測進入PDV之時。這也奠定了二者效率上的差別。由于where語句作用于觀測進入PDV之時，SAS讀入的觀測已經(jīng)過選擇，讀入觀測數(shù)較少，所以在讀入較大數(shù)據(jù)之時，where語句的優(yōu)勢就尤為明顯了。

但又是因為where語句作用于觀測進入PDV之時，也帶來了一些限制，如：

當(dāng)提交如上語句之時，SAS將會報錯：

ERROR: 變量 x 不在文件“WORK.B”中。

而使用if語句則不會出現(xiàn)此ERROR。

對于這些選項的作用，相信大家也都有所了解；如不了解，那就得好好補補基礎(chǔ)咯

言歸正傳，對于這些語句的作用時機，就不再一一演示，簡單來說，rename、keep、drop語句用于PDV到生成數(shù)據(jù)集的過程中。而對于選項，則需看選項的位置：

對于上述代碼，大家可自行敲擊運行，就會發(fā)現(xiàn)在數(shù)據(jù)集b生成過程中出現(xiàn)NOTE: 變量 age 未初始化。  原因就在于當(dāng)選項用于set語句時，作用時機為原始數(shù)據(jù)至PDV之間；而當(dāng)選項用于data語句時，則作用于PDV至生成數(shù)據(jù)集之間。

當(dāng)SASDATA步中使用SET語句、MERGE語句和UPDATE語句讀入變量時（除賦值語句和input語句外），SAS將會自動retain，即由這些語句讀入的變量將不會被置缺失。

不多說，上例子：

例1：merge

結(jié)果：

運行過程：

從a讀入第1條觀測，從b讀入第1條觀測，查看id(即by變量)是否匹配，若不匹配，則讀入id較小的觀測，若匹配則一起讀入PDV。此例為匹配。

到達RUN語句，將PDV寫入數(shù)據(jù)集

從a、b分別讀入第2條觀測，檢查發(fā)現(xiàn)不匹配。檢查id是否與PDV中相同，若是，則讀入匹配的觀測（即a中第二條觀測），若都不同，則將較小的id觀測讀入。

達到run語句，OUTPUT；

讀入a的第3條觀測，b的第2條觀測，檢查發(fā)現(xiàn)不匹配。再檢查id發(fā)現(xiàn)a中第3條與PDV中id匹配，將其寫入。后output。

讀入a的第4條觀測，b的第2條觀測，檢查發(fā)現(xiàn)匹配，再檢查發(fā)現(xiàn)與PDV中id不同；此時進入另一個by組，初始化DVP。將匹配的觀測寫入DVP。

讀入a中第5條觀測，b中第3條觀測，發(fā)現(xiàn)id不匹配，再檢查發(fā)現(xiàn)b中第3條觀測id與PDV中id匹配，將其讀入，后output。

讀入a中第5條觀測，b中第4條觀測，發(fā)現(xiàn)id匹配并與PDV中id不同，初始化pdv，將兩條觀測整合寫入PDV，后output。

由于a中觀測已讀完（EOF），讀入b中第5條觀測，發(fā)現(xiàn)與PDV中id不同，初始化PDV，讀入b中第5條觀測，output。注意此時由于沒有匹配，且為新的by組，不存在retain的x變量，所以最后一條觀測中x為空。

a、b數(shù)據(jù)集均到達EOF，程序運行結(jié)束，保存數(shù)據(jù)集。

例2：set

結(jié)果：

這時候大家可能會發(fā)現(xiàn)，第二條觀測不是同一個by組嗎？為什么第2條觀測的x變量不是第一條中x的值呢？為什么沒有retain？

然而，其實還是有retain的，只不過數(shù)據(jù)集中體現(xiàn)不出來，而結(jié)果為什么會是那樣呢？這就涉及到PDV的又一個原則，當(dāng)PDV從一個新的數(shù)據(jù)集中讀入觀測時，會將PDV置缺失。

若你想看出retain的效果呢，有個辦法：

對于UPDATA等其他語句，就不再舉例啦，有興趣者可自行探索。