Sas 简明教程

SAS - Concatenate Data Sets

多个 SAS 数据集可以使用 SET 语句连接，以提供单个数据集。连接的数据集中的观测总数是原始数据集中观测总数之和。观测顺序是顺序的。第一个数据集中的所有观测都紧跟第二个数据集中的所有观测，依此类推。

理想情况下，所有合并的数据集都具有相同的变量，但如果变量数量不同，则结果中将显示所有变量，较小的数据集将出现缺失值。

Syntax

SAS 中 SET 语句的基本语法是 −

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

以下是所用参数的描述 -

  1. data-set1,data-set2 是依次编写的DataSet名称。

Example

考虑一个组织的员工数据，该数据可在两个不同的数据集中获得，一个用于 IT 部门，另一个用于非 IT 部门。为了获得所有员工的完整详细信息，我们使用如下所示的 SET 语句连接两个数据集。

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;

当以上代码执行时，我们会得到以下输出：

concateate1

Scenarios

当连接数据集的变体较多时，变量的结果可能不同，但连接的数据集中观测总数始终是每个数据集中观测的总和。我们将在下面考虑许多关于此变体的场景。

Different number of variables

如果原始数据集之一具有比另一数据集更多的变量，则数据集仍然会被组合，但在较小的数据集中，这些变量显示为缺失。

Example

在以下示例中，第一个数据集有一个名为 DOJ 的额外变量。在结果中，第二个数据集的 DOJ 值显示为缺失。

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;

当以上代码执行时，我们会得到以下输出：

concateate2

Different variable name

在此场景中，数据集具有相同数量的变量，但变量名在其之间不同。在这种情况下，常规连接将在结果集中生成所有变量，并对不同的两个变量给出缺失结果。虽然我们可能不会更改原始数据集中变量的名称，但我们可以在创建的连接数据集中应用 RENAME 函数。这会产生与常规连接相同的结果，当然，在一个新变量名称取代原始数据集中存在的两个不同变量名称。

Example

在以下示例中，数据集 ITDEPT 的变量名称为 ename ，而数据集 NON_ITDEPT *has the variable name *empname. 但这两个变量都表示相同的类型（字符）。我们在 SET 语句中应用 RENAME 函数，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;

当以上代码执行时，我们会得到以下输出：

concateate3

Different variable lengths

如果两个数据集中变量的长度不同，则连接的数据集中将包含一些数据被截断具有较小长度的变量。如果第一个数据集的长度较小，则会发生这种情况。为了解决此问题，我们对两个数据集都应用了更高的长度，如下所示。

Example

在以下示例中，变量 ename 在第一个数据集中长度为 5，在第二个数据集中长度为 7。在连接时，我们在连接的数据集中应用 LENGTH 语句，将 ename 长度设置为 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;

当以上代码执行时，我们会得到以下输出：

concateate4