在BASE SAS 中，DATA 語句用於開始一個數據步， 後續為若干DATA步特定的語句；SAS資料步結束於下一個 DATA 步或 PROC 步開始之處，或者結束於後續顯式指定的RUN語句。

注意：DATA 步是SAS程式語言的基礎，它可以執行在多種執行環境中。本章要講的是傳統意義上的SAS DATA步，後面我們會講到下一代DATA步以及DATA步在SAS 雲分析服務環境中執行的情況。千里之行，始於足下！我們還是從傳統 DS 開始吧…

DATA 語句最常見的呼叫方式有如下幾種：

1）DATA 語句可不指定任何引數，則DATA 步將自動建立一個目標資料集 DATAn，其中 n為從1開始不斷增長的唯一整數。

比如下面的SAS程式碼將在臨時邏輯庫 WORK中建立資料集 Data1，包含1行5列資料。再次執行該程式碼時將生成 Data2…依次類推。

DATA;

       Name="Leon"; Sex="M"; Age=30; Weight=83.5; Height=175; 

run;

注意：這種方式一般用來生成不在乎輸出資料集名稱的時候，但由於每次執行都會在 WORK 中生成一份新的資料，一般不建議這種用法。通常情況下會顯式指定輸出資料集的名字會更好一些。

對於這種臨時資料，我們依然可以使用系統巨集變數 &SYSLAST來跟蹤，比如下面的程式碼用來顯示上一次生成的臨時資料集的名字，並從

WORK中刪除它。

data_null_;

put"&SYSLAST";

run;

procdatasetsnolist ;         

delete%scan(&SYSLAST,2);

quit;

2）DATA 語句也可以指定資料集名稱 _NULL_ ，表示不輸出任何目標資料集，通常用於純粹的計算邏輯處理。也經常用於除錯SAS程式碼。

3）DATA 語句也可以指定多個輸出資料集，從而實現在一個DATA步裡輸出各種需要的資料。比如下面的程式碼將同時生成兩份內容相同的資料集 data1和data2。

DATA data1 data2;

Name="Leon"; Sex="M"

; Age=30; Weight=83.5; Height=175; 

run;

一般情況下，我們會顯式指定生成一個目標資料集名稱，並且希望放在特定的目錄中。SAS DATA語句在資料處理中可以展現出令人驚異的行為，比如我們希望把 sashelp.class 中兩種性別的資料分成兩個資料集 classF和clasM，可使用下面的程式碼簡潔地實現。

procprintdata=sashelp.class;run;

DATA classF classM;

set sashelp.class;

if sex="F"thenoutput classF; /*Split F to ClassF*/

elseoutput classM; /*Split M to ClassM*/

run;

procprintdata=classF; run;

procprintdata=classM; run;

上一章的最後，我提到資料集中的觀測（記錄）有各種生成方式，下面我們就一起看看在SAS中如何做到。

l利用內嵌資料行建立SAS資料集

一般情況下，如果我們要生成的資料量比較小，且不希望有獨立的資料檔案，我們可以直接將資料嵌在SAS程式碼中，內嵌資料行有幾種不同的方式：

1）最常見的情況是我們有一系列的資料行，資料項之間用空格分隔。這種情況我們可以使用datalines語句配合input語句直接生成。datalines語句表示下一行將包含資料行。由於資料行並非語句，所以它不需要分號。另外，除了 datalines 語句外，我們也可使用lines（datalines語句的別名）或cards語句，三者等價。

libname mylib "c:\temp";

DATA mylib.myclass;

input Name $ Sex $ Age Height Weight;/*$ 表示字元型變數*/

datalines;

Alfred M 14 112.5 69

Alice F 13 84 56.5

Barbara F 13 98 65.3

Carol F 14 102.5 62.8

Henry M 14 102.5 63.5

James M 12 83 57.3

Jane F 12 84.5 59.8

Janet F 15 112.5 62.5

Jeffrey M 13 84 62.5

John M 12 99.5 59

Joyce F 11 50.5 51.3

Judy F 14 90 64.3

Louise F 12 77 56.3

Mary F 15 112 66.5

Philip M 16 150 72

Robert M 12 128 64.8

Ronald M 15 133 67

Thomas M 11 85 57.5

William M 15 112 66.5

RUN;

系統會生成如下資料集，存放在 C:\temp 目錄中。與利用臨時庫 WORK不同，該資料集在你SAS 會話結束後依然存在，存放在 C:\temp\class.sas7bdat 檔案中。

注意：生成到磁碟上的檔名依賴於作業系統的檔案系統，Windows平臺的FAT/NTFS不區分大小寫，而Linux/Unix 則區分大小寫，SAS一律使用小寫字母生成資料集檔案，在Unix/Linux平臺上，如果我們要讀取包含大寫字母的檔名（即資料集名）時，需要啟用系統選項VALIDMEMNAME=EXTEND，並且資料集的名字必須與磁碟上的檔名大小寫完全匹配。

2）如果資料行包含特定的分隔符，我們可以利用infile語句來指向特殊的檔案引用datalines，並且使用引數delimiter=’<分隔符>’ 來指定分隔符。比如：

libname mylib "c:\temp";

DATA mylib.myclass;

infile datalines delimiter=',';

input Name $ Sex $ Age Height Weight;

datalines;

Alfred,M,14,112.5,69

Alice,F,13,84,56.5

Barbara,F,13,98,65.3

Carol,F,14,102.5,62.8

Henry,M,14,102.5,63.5

James,M,12,83,57.3

Jane,F,12,84.5,59.8

Janet,F,15,112.5,62.5

Jeffrey,M,13,84,62.5

John,M,12,99.5,59

Joyce,F,11,50.5,51.3

Judy,F,14,90,64.3

Louise,F,12,77,56.3

Mary,F,15,112,66.5

Philip,M,16,150,72

Robert,M,12,128,64.8

Ronald,M,15,133,67

Thomas,M,11,85,57.5

William,M,15,112,66.5

RUN;

3）如果資料行本身包含分號（注：由於分號是SAS語句的結束符，因此很特別），我們該如何處理呢？我們可以使用 datalines4 語句來完成。也可以使用該語句的別名為cards4 或lines4。datalines4 語句必須使用4個連續的分號開始的一行來標記資料行結束。下面的例子中，字元型列 Name 包含分號，則我們必須以datalines4 來輸入資料。

libname mylib "c:\temp";

DATA mylib.myclass; 

input Name $ Sex $ Age Height Weight;

datalines4;

Alfred; M 14 112.5 69

Alice; F 13 84 56.5

Barbara; F 13 98 65.3

Carol; F 14 102.5 62.8

Henry; M 14 102.5 63.5

James; M 12 83 57.3

Jane; F 12 84.5 59.8

Janet; F 15 112.5 62.5

Jeffrey; M 13 84 62.5

John; M 12 99.5 59

Joyce; F 11 50.5 51.3

Judy; F 14 90 64.3

Louise; F 12 77 56.3

Mary; F 15 112 66.5

Philip; M 16 150 72

Robert; M 12 128 64.8

Ronald; M 15 133 67

Thomas; M 11 85 57.5

William; M 15 112 66.5

;;;;

RUN;

4）如果資料行本身是變長(比如字串變數包含空格字元)，也就是說資料行參差不齊，那我們如何輸入呢？我們可以使用SAS提供的列指標，用來明確指定資料行中變數的讀取的起止位置，從而正確讀取變長的字串。比如：

libname mylib "c:\temp";

DATA mylib.myclass;

inputName $1-15 Sex $ Age Height Weight; 

datalines;

Alfred Liu      M 14 112.5 69

Alice Wang      F 13 84    56.5

Barbara Deng    F 13 98    65.3

Carol Zhang     F 14 102.5 62.8

Henry Kissinger M 14 102.5 63.5

James Michalle  M 12 83    57.3

Jane Xu         F 12 84.5  59.8

Janet Quin      F 15 112.5 62.5

Jeffrey Smith   M 13 84    62.5

John Albert     M 12 99.5  59

Joyce Betty     F 11 50.5  51.3

Judy Yang       F 14 90    64.3

Louise Bernard  F 12 77    56.3

Mary Kushiner   F 15 112   66.5

Philip Pebble   M 16 150   72

Robert Chu      M 12 128   64.8

Ronald Wiese    M 15 133   67

Thomas Berryman M 11 85    57.5

William Wu      M 15 112   66.5

RUN;

5）有的同學會問，如果我們在一個數據行上包括多個觀測（記錄），我們該如何讀取？SAS在 input 語句上設計了一個特殊的引數 @@，用來告訴SAS 從資料行完整讀取一個觀測後，不要馬上讀入下一個資料行，而是繼續從當前行的緩衝區中讀取資料填充觀測。這為我們節省程式碼檔案的行數非常有用。比如：

libname mylib "c:\temp";

DATA mylib.myclass;

input Name $ Sex $ Age Height Weight @@; 

datalines;

Alfred M 14 112.5 69

Alice F 13 84 56.5    Barbara F 13 98 65.3

Carol F 14 102.5 62.8 Henry M 14 102.5 63.5 James M 12 83 57.3

Jane F 12 84.5 59.8   Janet F 15 112.5 62.5 Jeffrey M 13 84 62.5

John M 12 99.5 59     Joyce F 11 50.5 51.3  Judy F 14 90 64.3

Louise F 12 77 56.3   Mary F 15 112 66.5    Philip M 16 150 72

Robert M 12 128 64.8  Ronald M 15 133 67   

Thomas M 11 85 57.5   William M 15 112 66.5

RUN;

l基於外部檔案建立SAS資料集

大部分情況下，資料來自於磁碟上的某個外部檔案，而且通常不是一系列的檔案。比如在C:\temp目錄中有如下文字檔案： myclass.txt, 我們怎麼用 DATA 步來讀取呢？

我們不需要datalines語句，而是在 DATA 步內利用infile語句指定該外部檔案(相當於我們將datalines語句下的資料行移入了外部檔案)。然後再用input語句讀入。比如：

libname mylib "c:\temp";

DATA mylib.MyClass;

infile'c:\temp\myclass.txt';

input Name $ Sex $ Age Height Weight;   

RUN;

系統將建立一個完整的資料集 mylib.MyClass。

還有一種更加標準的做法是，我們先用 filename 語句定義一個檔案引用 myfile，然後再在infile 語句中使用該檔案引用。程式碼如下：

libname mylib "c:\temp";

filename myfile 'c:\temp\myclass.txt';

DATA mylib.MyClass;

infile myfile  ;

input Name $ Sex $ Age Height Weight;   

RUN;

就像前面已經提到的一樣，資料行中可能包含說明文字，或者資料的表頭什麼的。這種情況下我們可以在 infile 語句上指定開始讀取觀測的行 firstobs=，同時也可以指定結束讀取觀測的行obs= 用來限定讀入的資料量，通常結果集的總行數為 obs-firstobs+1行。比如下面的程式碼讀入第二行開始的10行資料。

infile myfile  delimiter=',' firstobs=2 obs=11; 

l簡單驗證生成的SAS資料集

為了驗證我們自己建立的資料集 MyLib.myclass和系統 SASHELP.CLASS資料集的差異，我們可以呼叫 PROC COMPARE 來比較兩個資料集的異同。

proccomparebase=sashelp.class compare=mylib.myclass;

run;

系統顯示兩個資料集基本相同，除了 sashelp.class 有資料集Label資訊，Sex 列寬度為8位元組外，兩個資料集完全一樣。

l通過已有的SAS 資料集生成資料

很多時候我們都是操作已有的SAS資料集，來進行各種操作生成目標資料集。比如對資料集中資料的增刪改查，資料集的排序、合併、分離、轉置等。

1)增加資料行：在資料集尾部增加資料行

DATA OneRow;

    Name="Leon"; Sex="M"; Age=30; Weight=83.5; Height=175; 

run;

data Class2;

set sashelp.class OneRow;

run;

也可以在資料的頭部增加資料行，只需要改變 SET 語句中的資料集順序即可。

DATA OneRow;

 Name="Leon"; Sex="M"; Age=30; Weight=83.5; Height=175;

run;

data myclass;

setOneRow sashelp.class;

run;

procprintdata=myclass;

run;

注意：細心的讀者可能會發現，輸出的資料集中Name有截斷錯誤，原因是在 SET語句時 PDV的初始結構來自於我們建立的臨時資料集 OneRow，而該資料集中變數Name的長度定義不夠，可以通過增加臨時資料集寬度定義來修正。

DATA OneRow; 

length Name $8;

    Name="Leon"; Sex="M"; Age=30; Weight=83.5; Height=175; 

run;

如果需要在特定行處插入資料，可以使用內部計數器 _N_ 作條件實現：

DATA myclass;

set sashelp.class;

if _N_ = 1thendo;  /*在第一行後面插入資料*/

output;

       Name="Leon"; Sex="M"; Age=30; Weight=83.5; Height=175; 

end;

output;

run;

option obs=3; /*列出前三行*/

procprintdata=myclass;

run;

2）刪除資料行：刪除第三行資料

data myclass;

set sashelp.class;

if _N_ = 3thenreturn;

elseoutput;

run;

procsummarydata=myclass print; run;

當然你也可以刪除滿足指定條件的資料行

data myclass;

set sashelp.class;

if Sex = 'M'thenreturn;

elseoutput;

run;

procprintdata=myclass;

run;

2）修改資料行：滿足特定條件時修改變數的值，比如把第三行的Name改為 "Baby".

Data myclass;

set sashelp.class;

if _N_ = 3then name="Baby";

run;

options obs=3;

procprint ; run;

2)查詢特定資料行：僅輸出滿足特定條件的資料行

libname mylib "c:\temp";

data mylib.myclass;

set sashelp.class;

if name="Alfred"thenoutput;  

run;

procprintdata=mylib.myclass;run;

l通過 PROC IMPORT 或PROC SQL 生成

SAS 提供PROC IMPORT 和 PROC EXPORT 來將資料匯入/匯出 SAS 執行環境，常用的資料檔案格式為逗號分隔的 CSV 和微軟的電子表格 EXCEL 檔案，我們可以使用如下程式碼簡單完成。

procimport

datafile='c:\temp\class.csv'dbms=csvout=class replace;

getnames=YES;

mixed=NO;

run;

procprintdata=class;run;

procimport

datafile='c:\temp\class.xlsx'dbms=xlsxout=class  replace;

getnames=YES;

mixed=NO;

run;

注意：以上例子需要資料檔案 c:\temp\class.csv 和 class.xlsx，你可以用 proc export 進行生成。

PROCEXPORTdata=sashelp.class  outfile='c:\temp\class.xlsx'dbms=xlsxreplace;

run;

PROCEXPORTdata=sashelp.class  outfile='c:\temp\class.csv'dbms=csvreplace;

run;

注意：很多人根據幫助文件使用 dbms=EXCEL 匯入 EXCEL 檔案時會出現如下錯誤：

ERROR: Connect: 沒有註冊類

ERROR: Error in the LIBNAME statement.

根本的原因是 dbms=EXCEL 和 dbms=xlsx 在 SAS 裡訪問機制不同，前者需要安裝 ACE 引擎才能工作，而預設情況下我們並沒有安裝它。這是一個令很多程式設計師困惑的技術陷阱。

PROC SQL 讓 SAS 可以呼叫結構化查詢語言 SQL 進行資料操作，廣泛用於關係資料庫管理系統的資料表和檢視的增刪改查，但SAS 技術更高一籌，也可以對 SAS 資料集進行標準的 SQL操作。主要功能包括：建立資料表和資料檢視，對資料列作索引；查詢儲存在資料表和資料檢視中的資料；增刪改資料行和增刪改資料列本身；將資料庫支援的 SQL 語句到資料庫管理系統中進行資料查詢。另外 SAS 也支援將 SQL 查詢結果置入 SAS 巨集變數中，進行資料傳遞功能。PROC SQL 功能非常強大，下面僅列出兩個簡單的例子：建立/查詢資料表。

1）基於已有的資料集建立新的資料集，沒有使用 DATA 步。

libname mylib 'c:\temp';

procsql;

createtable mylib.myclass as

select Name, Sex, Age, Height, Weight format=best.

from sashelp.class;

procprintdata=mylib.myclass; run;

2）使用標準的 SQL 語言建立資料集，如果 mylib 指向某個資料庫管理系統，則會在該資料庫中建立對應的資料表。

libname mylib 'c:\temp';

procsql;

createtable mylib.myclass( Name char(8), Sex char(1), Age num, Height num, Weightnuminformat=best.format=best.);

insertinto mylib.myclass

values('Leon','M',31,175,80)

values('Jim', 'M',30,173,75);

title'Table mylib.myclass';

select * from mylib.myclass;

procprintto; run;

DATA 步的執行機制

前面的例子讓我們看到SAS在處理資料非常方便，但這依然不夠，我們需要深入探索SAS的DATA步是怎麼工作的——即我們需要深刻理解SAS DATA 步的執行機制，這是SAS程式設計的核心內容之一。

首先需要指出的是，SAS語言是按步進行編譯執行的，所以SAS程式與大多數編譯型計算機語言程式一樣，總體上要經過編譯和執行兩個階段。簡要流程如下圖所示：

編譯階段

編譯階段SAS 主要做兩件事：

1）掃描DATA 步內的每一行語句，a) 執行語法檢查：掃描程式碼片段，檢查是否存在於語法錯誤。常見的語法錯誤包括關鍵字缺失或拼寫錯誤、無效變數名稱、標點符缺失或者無效、以及無效的引數或選項等。b)標識每一個變數的名稱，型別和長度等資訊，並且判斷是否需要為後續變數引用作型別轉換等。

2）為程式執行建立必要的資料結構，包括輸入緩衝區IB(INPUT BUFFER)、程式資料向量PDV（Program Data Vector）和輸出資料集描述資訊 DI(Descriptor Information),其中輸入緩衝區 IB只在從外部讀取原始資料檔案時才是建立。

a)輸入緩衝區IB：當DATA 步內執行INPUT語句是從原始資料檔案（Raw Data，比如前面例子中的外部文字檔案）中讀取觀測（記錄）時，SAS會在記憶體中分配一塊邏輯區域作為緩衝區，作為將資料放入PDV之前的臨時緩衝區存在。如果是使用 SET語句來讀取SAS資料集時，SAS則將資料直接拷貝到PDV中，而不需要所謂的輸入緩衝區IB。

b)程式資料向量PDV：DATA步每讀入一行資料時，都需要在記憶體中分配一個邏輯區域，用於存放資料集的變數和計算變數（即計算列）資訊。其資料來自於輸入緩衝區IB或SAS 執行語句。

另外，PDV中還包含2個僅用於系統處理階段的臨時變數，它們不會被寫入目標資料集：

l行計數器 _N_：用來對DATA 步的每次處理進行迴圈計數，從1開始；

l錯誤標誌 _ERROR_：用來標記執行過程中由於資料錯誤引起的錯誤；預設值是0，表示沒有錯誤，否則為1，表示有一個或者多個錯誤。

c)輸出資料集描述符資訊

SAS為每一個輸出資料集建立和維護的元資料資訊，包括資料集屬性和變數屬性。比如資料集名字，成員型別，建立日期，建立時間，觀測數，變數名稱，型別（字元型/數值型）等。

讓我們考察如下程式碼的編譯過程：

/*利用系統 SASHELP.CLASS資料，建立體質指數 BMI，俗稱肥胖指數*/

data myclass;

set sashelp.class;

where age> 12 and sex='男';

  BMI=(weight * 0.4535924) / ((height*2.54/100) **2);

format BMI 4.1;

drop weight height;

run;

對於如上程式碼，編譯時 PDV 的變化依次如下圖右側所示。從上到下各行語句編譯時會修改PDV，比如DROP 語句的作用是告訴SAS PDV中哪些變數不需要輸出到輸出資料集，對那些變數設定“刪除”標誌，以免執行時輸出到目標資料集中。

編譯到 RUN 語句時，DATA步編譯宣告結束。SAS會為需要輸出到目標資料集的那些變數，建立必要的描述符資訊——包括資料集中各列的名稱、型別、長度、輸出格式、標籤等。

執行階段

一旦編譯成功，執行階段開始。SAS 的執行主要有如下步驟：

1）SAS 首先會從DATA語句處開始執行，如果是第一次執行，SAS會設定內部變數_N_=1和_ERROR_=0，否則會對內部計數器 _N_自動加1。

2）SAS會以缺失值對程式資料向量（PDV）中那些由INPUT語句和賦值語句建立的變數進行初始化。注意：那些以 SET, MERGE, MODIFY或 UPDATE語句讀取的變數並不會被重置為缺失值。

3）預設情況下，SAS從外部原始資料檔案中讀入一條資料記錄到輸入緩衝區IB中，然後建立對應的PDV，或者直接從SAS資料集中讀入一個觀測到程式資料向量PDV中。SAS語句 INPUT和 SET、 MERGE、 MODIFY、UPDATE都可以用來讀入一條記錄。

4）對當前記錄，執行後續的SAS程式語句，包括賦值、計算和更新等等。

5）當執行到 DATA 步的最後時，隱含的SAS語句 OUTPUT，RETURN和RESET 自動觸發。SAS將當前記錄作為一個觀測寫入到SAS資料集中。執行自動返回到DATA 步的開始處進入下一迴圈。如果SAS 讀取外部檔案結束或SAS資料集結束，則整個 DATA 步執行終止，進入後續的DATA或PROC步的編譯執行。

讓我們考察前面程式碼的執行過程，其中DATA 步中的新變數（如體質指數BMI）首先也會以缺失值 . 進行初始化，隨後在執行賦值語句時對錶達式重新求值，賦給那些新變數；然後執行下一行語句…在 DATA 步的最後，SAS會將PDV中沒有刪除標誌的非臨時變數（除了 height, weight）和值寫入到目標資料集中。然後控制流程再返回到 DATA 步的開始處進入下一個迴圈。正是SAS DATA步這種獨特的隱性迴圈設計，為使用者在進行資料處理時提供了自然的迴圈概念，從而讓使用者對具體檔案的I/O讀寫細節不必過於關注。

當SAS進入下一次迴圈時，臨時變數 _N_ 計數器會自動加1，對於非INPUT語句讀入的情況，SAS 也會保留上次讀入到 PDV中的變數值，直到被新讀入的觀測所覆蓋；對於DATA步中的新變數（如體質指數 BMI），SAS會重新使用缺失值 (.) 進行初始化。當資料被再次讀入時（比如從上面的SET語句所指定的源），SAS會將源資料集中的第二個觀測讀入到 PDV中，並重新計算程式中的新變數 BMI。然後在DATA步的最後，使用 PDV中的值作為第二個觀測（記錄）寫入到輸出資料集中。然後控制再次回到DATA步開始，一直迴圈執行，直到源資料集中的所有觀測都被處理完畢。

結語：本章我們學習了利用SAS建立資料集的幾種靈活方法，然後介紹了SAS DATA 步執行機制的奧祕。深刻理解DATA步的編譯執行機制對掌握SAS 程式設計至關重要，靈活使用SAS DATA步可以為分析準備任何形式的待分析資料。

下面筆者就以如何生成前20個黃金分割數列的簡單SAS程式來結束本章的學習! 黃金分割數列即斐波那契數列，該數列中後一個數與前一個數的比例越往後越接近於黃金比例(1+√5)/2 ，此數列分佈表現出極致的均衡與和諧之美；其前8個數為：1 1 2 3 5 8 13 21…

/*生成前20個黃金分割數列到資料集 WORK.FbNC 中*/

data Fbnc;

do n=1to20;  

if n=1 or n=2then y=1;

else y=  y1 + y2;

        y2=y1; y1=y; 

output;

put n= y=; /*列印到SAS日誌*/

end;

drop n y1 y2;

run;

procprintdata=fbnc;run;

輸出：

n=0 y=1

n=1 y=1

n=2 y=2

n=3 y=3

n=4 y=5

n=5 y=8

n=6 y=13

n=7 y=21