SAS忘備録: 【効率を意識したプログラム】WHEREとサブセット化IFの使い分け

2018年10月1日月曜日

「WHERE」と「サブセット化IF」の違いを知って使い分けようっていう話です。

「WHERE」と「サブセット化IF」の比較

Sample data

data test;
length col1-col200 $200.;
array ar(*) col:;
do i=1 to dim(ar);
ar(i) = "abcdefg";
end;
do i=1 to 50000;
output;
end;
run;

サンプルデータから「WHEREステートメント」を使ってオブザベーションを抽出したときの処理時間とCPU時間を見てみます。

data out1;
set test;
where i<100;
run;

ログ
処理時間 0.40 秒
CPU時間 0.39 秒

同様のオブザベーションの抽出を「サブセット化IF」を使って処理時間とCPU時間を見てみます。

data out1;
set test;
if i<100;
run;

ログ
処理時間 0.53 秒
CPU時間 0.54 秒

WHEREステートメントの方が処理時間が短いですね。何故このような違いが起きたのでしょうか。

「WHERE」と「サブセット化IF」の違い

・実行されるタイミングが違う

WHERE	データを読み込む時に実行される
サブセット化IF	データを読み込んだ後のデータステップ内で実行される

WHEREの方が実行されるタイミングが早いんで、処理時間が短くなるというわけですね。

・実行できる環境の違い

WHERE	データステップおよび（ほとんどの）PROCステップで実行できる
サブセット化IF	データステップでのみ実行できる

「サブセット化IF」の利点

サブセット化IFが効果的な例として、以下のサブセット化IFについての記事の例②で紹介しているようなケースです。
【サブセット化IF】条件に一致するオブザベーションのみ処理を継続する。

data out2;
set dt1;
bmi = weight / ((height/100)**2);
if bmi>=25;
run;

身長と体重からBMIを計算したあと、「if bmi>=25」でBMIが25以上のオブザベーションを残すようにしていますが、
このBMIはデータステップ内で計算しているので、「where bmi>=25」と書くことは出来ませんよね（データを読み込む時には、まだBMIが計算されていないので）

SAS忘備録