SAS連接數(shù)據(jù)集

可以使用SET語句連接多個SAS數(shù)據(jù)集以提供單個數(shù)據(jù)集。 在連接的數(shù)據(jù)集中的觀察的總數(shù)是原始數(shù)據(jù)集中的觀察的數(shù)量的總和。 觀察的順序是連續(xù)的。 來自第一數(shù)據(jù)集的所有觀察結果后面是來自第二數(shù)據(jù)集的所有觀察結果，并依此類推。

所有組合數(shù)據(jù)集具有相同的變量，但是如果它們具有不同數(shù)量的變量，則在結果中出現(xiàn)所有變量，對于較小數(shù)據(jù)集具有缺失值。

句法

SAS中SET語句的基本語法是：

SET data-set 1 data-set 2 data-set 3.....;

以下是所使用的參數(shù)的說明：

• data-set1，data-set2是一個接一個寫入的數(shù)據(jù)集名稱。

例

考慮在兩個不同數(shù)據(jù)集中可用的組織的員工數(shù)據(jù)，一個用于IT部門，另一個用于非IT部門。 要獲得所有員工的完整詳細信息，我們使用如下所示的SET語句連接兩個數(shù)據(jù)集。

DATA ITDEPT; 
  INPUT empid name $ salary  ; 
DATALINES; 
1 Rick 623.3 
3 Mike 611.5 
6 Tusar 578.6 
; 
RUN; 
DATA NON_ITDEPT; 
  INPUT empid name $ salary  ; 
DATALINES; 
2 Dan 515.2 
4 Ryan 729.1 
5 Gary 843.25 
7 Pranab 632.8 
8 Rasmi 722.5 
RUN; 
DATA All_Dept; 
  SET ITDEPT NON_ITDEPT; 
RUN; 
PROC PRINT DATA=All_Dept; 
RUN;  

當執(zhí)行上面的代碼，我們可以得到下面的輸出。

方案

當我們在用于級聯(lián)的數(shù)據(jù)集中有許多變化時，變量的結果可以不同，但是級聯(lián)數(shù)據(jù)集中的觀測值的總數(shù)總是每個數(shù)據(jù)集中的觀測值的總和。 我們將在下面考慮這種變化的許多情況。

不同數(shù)量的變量

如果原始數(shù)據(jù)集中的一個具有更多數(shù)量的變量而另一個數(shù)據(jù)集，則數(shù)據(jù)集仍然被組合，但是在較小的數(shù)據(jù)集中，這些變量顯示為缺失。

例

在下面的例子中，第一個數(shù)據(jù)集有一個名為DOJ的額外變量。 在結果中，第二個數(shù)據(jù)集的DOJ值將顯示為缺失。

DATA ITDEPT; 
  INPUT empid name $ salary DOJ date9.  ; 
DATALINES; 
1 Rick 623.3 02APR2001
3 Mike 611.5 21OCT2000
6 Tusar 578.6 01MAR2009  
; 
RUN; 
DATA NON_ITDEPT; 
  INPUT empid name $ salary  ; 
DATALINES; 
2 Dan 515.2 
4 Ryan 729.1 
5 Gary 843.25 
7 Pranab 632.8 
8 Rasmi 722.5 
RUN; 
DATA All_Dept; 
  SET ITDEPT NON_ITDEPT; 
RUN; 
PROC PRINT DATA=All_Dept; 
RUN;  

當執(zhí)行上面的代碼，我們可以得到下面的輸出。

不同的變量名

在這種情況下，數(shù)據(jù)集具有相同數(shù)量的變量，但變量名在它們之間不同。 在這種情況下，正態(tài)連接將產(chǎn)生結果集中的所有變量，并給出不同的兩個變量的缺失結果。 雖然我們不能更改原始數(shù)據(jù)集中的變量名稱，但我們可以在我們創(chuàng)建的連接數(shù)據(jù)集中應用RENAME函數(shù)。 這將產(chǎn)生與正常連接相同的結果，但是當然使用一個新的變量名稱代替原始數(shù)據(jù)集中存在的兩個不同的變量名稱。

例

在下面的示例中，數(shù)據(jù)集ITDEPT具有變量名ename，而數(shù)據(jù)集NON_ITDEPT具有變量名empame。 但這兩個變量代表相同的類型（字符）。 我們在SET語句中應用RENAME函數(shù)，如下所示。

DATA ITDEPT; 
  INPUT empid ename $ salary  ; 
DATALINES; 
1 Rick 623.3 
3 Mike 611.5 
6 Tusar 578.6 
; 
RUN; 
DATA NON_ITDEPT; 
  INPUT empid empname $ salary  ; 
DATALINES; 
2 Dan 515.2 
4 Ryan 729.1 
5 Gary 843.25 
7 Pranab 632.8 
8 Rasmi 722.5 
RUN; 
DATA All_Dept; 
  SET ITDEPT(RENAME =(ename=Employee) ) NON_ITDEPT(RENAME =(empname=Employee) ); 
RUN; 
PROC PRINT DATA=All_Dept; 
RUN;  

當執(zhí)行上面的代碼，我們可以得到下面的輸出。

不同的變量長度

如果兩個數(shù)據(jù)集中的變量長度不同，則連接的數(shù)據(jù)集將具有其中一些數(shù)據(jù)對于具有較小長度的變量被截斷的值。 如果第一個數(shù)據(jù)集的長度較小，就會發(fā)生這種情況。 為了解決這個問題，我們對數(shù)據(jù)集應用更高的長度，如下所示。

例

在下面的示例中，變量ename在第一個數(shù)據(jù)集中的長度為5，在第二個數(shù)據(jù)集中為7。 當連接時，我們應用連接數(shù)據(jù)集中的LENGTH語句將枚舉長度設置為7。

DATA ITDEPT; 
  INPUT  empid 1-2 ename $ 3-7 salary 8-14  ; 
DATALINES; 
1 Rick  623.3 
3 Mike  611.5 
6 Tusar 578.6 
; 
RUN;
DATA NON_ITDEPT; 
  INPUT  empid 1-2 ename $ 3-9  salary 10-16 ; 
DATALINES; 
2 Dan    515.2 
4 Ryan   729.1 
5 Gary   843.25
7 Pranab 632.8 
8 Rasmi  722.5 
RUN; 
DATA All_Dept; 
	 LENGTH ename $ 7   ;
  SET ITDEPT  NON_ITDEPT ; 
RUN; 
PROC PRINT DATA=All_Dept; 
RUN;  

當執(zhí)行上面的代碼，我們可以得到下面的輸出。