SAS数据的合并

数据的清洗和加工

一般包括数据合并、比较、缺失值的查询和填补、查找重复值和异常值、生成数据子集、产生新变量等，以适应不同的研究目的。

数据合并

1. 利用set语句进行纵向合并

• 用法格式：

data 数据集;
set 数据集1（数据集选项）数据集2（数据集选项）...;
run;

如果set后面只有一个数据集，相当于复制。针对数据集的一些选项，作者介绍了2个非常实用的选项：

set 数据集1(in=临时变量1) 数据集2(临时变量2) ...;
set 数据集1(rename=(原名1=新名1 ...)) 数据集2(rename=(原名1=新名1 ...))...;

数据集1(in=临时变量1)的意思是针对数据集1产生一个临时变量1（变量名自己定），当合并的记录属于数据集1时，该临时变量值为1，否则为0.但要注意这种方式产生的临时变量可以调用，但不会在结果中显示，若想显示需要将临时变量赋值给新变量。

另外，若不同数据集的相同变量格式不同，需要先用input...;format...;统一一下变量的格式再进行合并，例如：

data work.A1;              ##在work中创建空白数据集A1，注意新建数据集一开始是空白的；
set work.A1;               ##复制原始的数据集A1到新A1中；
height1=input(height,8.);  ##将height变量（原本是字符型）转变为长度为8的数值型并赋值给height1;
format height1 8.;         ##将height1作为长度为8的数值型变量输出；
drop height;               ##删除变量height
rename height1=height;     ##将height1重命名为height
run;

数据集变量格式查询命令为：

proc contents data=work.A1;
run;

2. 利用merge语句进行横向合并

• 用法格式：

data 数据集;
merge 数据集1 数据集2 ...;
by 变量1 变量2 ...;
run;

其中，merge的作用是将若干个数据集依次向右连接，并存当道一个新数据集中。by相当于指定索引，若不指定则按行号直接合并。

注意：在利用by语句横向合并时，如果两个数据集事先没有按id排序，一定要先分别对他们都排序才能合并（proc sort语句）。合并时默认显示所有的记录，也就是两个数据集的并集，缺少的记录作为缺失值。

若想产生交集则需要借助in=选项，例如（数据的具体内容请自行查看《小白学SAS》page 95 )：

data ab;
merge ab1(in=d1) ab2(in=d2); #产生标识两个数据集的临时变量d1和d2;
by id;                       #以id为索引进行合并
if d1=1 and d2=1;            #保留d1和d2都为1 的记录
proc print;
run;

当if跟在set或merge语句后面时，它所起的作用就是根据指定的表达式保留符合条件的观测。