SAS数据的对比和清洗

数据的对比

SAS中对比两个数据集的命令是proc compare，它的基本格式如下：

proc compare <base=数据集 compare=数据集> <nosummary> <transpose>;
by 变量1 变量2;
id 变量1 变量2；
run;

其中，proc compare语句是调用数据比较过程，选项base和compare分别指定被比较的两个数据集； nosummary的作用是不显示一些概括性的结果；而transpose则是按记录显示不一致的结果，默认是按变量显示不一致的结果。

而id语句通常指定索引变量，如id号，默认显示行号。举例说明：

forexample.png

一旦发现输入错误的数据集，便可以使用if ...then...语句进行修改，举例说明：

ifthen.png

数据的清洗

1.查找和删除重复值

SAS利用proc sort过程来查找和删除重复值，它的基本格式如下：

proc sort <data=数据集> <out=数据集>  <nouniquekey> <nodupkey>;
by <descending> 变量1 <descending> 变量2 ...;
run;

其中，若不指定out选项，那么排序后的数据集将覆盖原有数据集；nouniquekey的作用是输出重复值，nodupkey选项是输出唯一值。

by语句指定排序的变量，可以指定多个，默认按升序排序。

2.扩展内容：first.变量和last.变量

SAS的sort过程会自动产生两个变量：first.变量和last.变量，这两个变量分别表示某变量某个值的第一个和最后一个观测。直接举例说明其用法：

WX20200421-151353@2x.png

在上述例子中，需要注意的是，用set语句赋值数据集时，也要加上by语句，否则SAS不认first.id和last.id。

除此之外，如果想要过滤掉观测的第一行，可以在proc print;前面加一句if not first.id;