
SAS之DATA步運行機制
相信了解SAS軟件的朋友都知道,SAS主要由DATA步和PROC步組成,其中DATA步作為數(shù)據(jù)讀入、清洗、整理的主要程序步,學好DATA就顯得尤為重要。而了解DATA步,重中之重就得了解PDV(Logical Program Data Vector)。
首先
DATA步的處理分為兩個階段:
◇編譯 ◇執(zhí)行
編譯
由此可知,PDV在DATA步的編譯階段就已存在,那在DATA步的編譯階段究竟發(fā)生了什么事呢?
1檢查DATA步語句的語法
2創(chuàng)建一個輸入緩沖區(qū)(input buffer)
3創(chuàng)建一個程序數(shù)據(jù)向量( PDV)
4創(chuàng)建輸出數(shù)據(jù)集的描述部分(注:只創(chuàng)建描述部分,不賦初值)
執(zhí)行
1計算Data步迭代的次數(shù)(從Data語句開始)
2將PDV中的變量設成缺失值并初始化自動變量
3讀取輸入觀測(從原始文件或SAS數(shù)據(jù)集)
4執(zhí)行附加的處理或計算語句
5將一條數(shù)據(jù)記錄寫入輸出數(shù)據(jù)集并返回到DATA步語句
輸入緩沖區(qū):
SAS在使用input讀入外部數(shù)據(jù)之時,首先需要將外部數(shù)據(jù)讀入內存,即輸入緩沖區(qū)。(注:當使用set語句之時,則無涉及到輸入緩沖區(qū)的工作。)
程序數(shù)據(jù)向量( PDV):
PDV為內存中的一個臨時邏輯區(qū)域,SAS在建立數(shù)據(jù)集時,先將每條觀測讀入PDV,然后執(zhí)行一系列的語句之后,在遇到output或run語句時,再將觀測寫入數(shù)據(jù)集(DATA _NULL_除外)。在PDV中,除當前變量外,還包含兩個自動變量:_N_和_ERROR_,前者表示DATA步迭代的次數(shù),后者則表示此次迭代是否出錯,若出錯則值為1,反之為0。除此之外,還有END=,IN=,FIRST,LAST,POINT=等自動變量。其中END=可做set語句選項,當讀入的觀測到達最后一行時,該值為1;first、last則存在于使用by語句之時建立,point=選項可用于選擇讀入某條觀測,in=則是數(shù)據(jù)集選項,用于指示該觀測是否從某數(shù)據(jù)集讀入。 這些自動變量并不保存到生成的數(shù)據(jù)集中,若需保存可將其負值給某一變量。
PDV示例:
在提交此程序之后,編譯時,SAS建立一個讀入緩沖用以存儲原始數(shù)據(jù)。
而后,建立PDV及變量描述部分如下(長度默認為8)
執(zhí)行過程中,將變量賦初值(數(shù)值型變量空值為.,字符型變量空值為空格)
然后,讀入第一條觀測
此時DATA步會依次執(zhí)行data步中附加的語句(此程序示例中無其他執(zhí)行語句);直到遇到output或run語句時,將第一條觀測寫入temp數(shù)據(jù)集中,后開始下一次迭代,直到所有觀測均讀入。數(shù)據(jù)分析師培訓
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結構數(shù)據(jù)特征價值的專業(yè)核心 表結構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結構數(shù)據(jù)(以 “行 - 列” 存儲的結構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結構數(shù)據(jù)價值的核心操盤手 表格結構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到決策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10