SAS忘備録

2013年12月27日金曜日

グループ内連番をふる方法。

グループ内連番をふる機会はすごく多いと思うので、まとめてみました。

サンプルデータ

data DT1;
input SUBJID$ V$;
cards;
001 a
001 b
001 c
002 x
002 y
;

求めたい結果
「SUBJID」毎に「V」の順番で連番をふる。

データステップで連番をふる

*** 方法1 **********;
proc sort data=DT1; by SUBJID V; run;

data OUT1;
set DT1;
by SUBJID V;

if first.SUBJID then SEQ=0;
SEQ+1;
run;

*** 方法2 **********;
proc sort data=DT1; by SUBJID V; run;

data OUT1;
set DT1;
by SUBJID V;

SEQ+1-first.SUBJID*SEQ;
run;

・方法1が一般的なやり方だと思う。
・方法2は仕組みを理解すれば1行で書けるのでおススメ。

📝注意点

今回のテクニックの中で使用している「FIRST.BY変数」は「サブセット化IF」と一緒に使用すると正しく動かない事があります。
（解説記事：「サブセット化IFでありがちな落とし穴」）

2013年12月26日木曜日

SQL「再マージ」入門

「再マージ」は、SAS特有の機能っぽい。
AccessやMySQLで試してみたけど、ダメだった。

以下まとめてみてみました。

①サンプルデータ作成

data DT1;
input A B;
cards;
1 10
1 20
1 30
2 40
2 50
;
run;

②まずは通常のSQL文

* Aのグループ毎に、Bの最大値を求める ;
proc sql;
create table DT2 as
select A, max(B) as B2
from DT1
group by A;
quit;

③「再マージ」を利用したSQL文

proc sql;
create table DT3 as
select A, max(B) as B2, B
from DT1
group by A
order by A, B;
quit;

※ 赤字が②から追記した文。

解説
（１）まず②と同様、Aのグループ毎に、Bの最大値を求めにいきます。

（２）がしかし、select文にはBも指定されています。
そのため以下の元データ「DT1」からBを取ってきて、上記（１）とマージします。

（３）Aのグループ毎に（１）での計算が（２）にマージされます。
出来上がりは、DATAステップの「merge （１）（２）; by A」とした時みたいな感じ。（内部処理の動きは違うと思うけど。）

ちなみに、この「再マージ」が行われると、並び順が狂うので、「order by A、B」と並び替えをしています。

ちょっと説明が分かりづらいかもしれないけど、

この仕組みは便利なので、今後活用法を小出ししていこうと思います。

2013年12月24日火曜日

ログに独自のエラーメッセージを表示する。

ログのメッセージは、
「NOTE」「WARNING」「ERROR」の3種類あり、

以下サンプルのように上記キーワードとコロン(:)をつけてPUTすると
ログ上に色つきの独自メッセージを表示できます（キーワードは大文字で記述すること）

サンプルプログラム
data _null_;

put "NOTE: 独自メッセージ1";

put "WARNING: 独自メッセージ2";

put "ERROR: 独自メッセージ3";

run;

ログ

ただし、あくまでNOTE・WARNING・ERRORメッセージっぽい表示をしているだけです。

例えば、この方法でERRORメッセージを出したからといって、データステップを中止させるとか、処理に影響を与える事が出来るわけではありません。

使用例として、以下のように条件によって注意喚起を促したい場合に使える。

*** サンプルデータ ;
data DT1;
input SUBJID$ AGE;
cards;
001 17
002 21
003 16
;
run;

*** 年齢が18歳未満だったら、WARNINGメッセージを表示 ;
data DT2;
set DT1;
if AGE<18 then put "WARNING: 18歳未満です。" SUBJID= AGE=;
run;

ログ

自分の書いたメッセージがログに色つきで出るのがなんか楽しい。

2013年12月20日金曜日

PUT関数 vs VVALUE関数

以下のように、「PUT関数」を使って文字変換することってよくありますよね。

*** サンプルデータ *******************;

data DT1;
format V1 yymmdd10. ;
V1 = '01jan2000'd; output;
V1 = '05feb2001'd; output;
V1 = .; output;
run;

*** PUT関数を使って文字化 ***********;
data DT2;
length V1 8. V2 $20.;
set DT1;
V2 = put(V1,yymmdd10.) ;
run;

これは「VVALUE関数」でもっと簡単に書けます。

V2 = VVALUE(V1) ;

「VVALUE関数」は「変数に割り当てられているFORMAT」を使って文字変換してくれる関数です。

注意点

PUT関数と挙動が似ています。
例えば、PUT関数で数値の欠損値を以下のようにFORMAT変換すると、、

length V3 $20.;
V3 = put( . , yymmdd10.);

→ 変換後の値は「 .」という感じで先頭に余計な空白が入ります。

また、フォーマットによっては、、

length V4 $20.;
V4 = put( 10, best12. );

→ 変換後の値は「 10」という感じでこちらも先頭に余計な空白が入る場合があります。

VVALUE関数も同様に先頭に空白が入る場合があるのでご注意下さい。

2013年12月16日月曜日

全角文字を半角に変換する。

全角から半角へ、半角から全角へと変換する「KPROPCASE関数」についてまとめてみました。

構文

KPROPCASE( 対象変数名, ' 変換パターン指定 ' )

変換パターン	指定方法
① 全角カタカナ ⇒ 半角カタカナ	'full-katakana, half-katakana'
② カタカナ ⇒ ローマ字	'katakana, romaji'
③ 全角アルファベット ⇒ 半角アルファベット (英数記号も対象。ただし全角中点「･」は半角にならなかった。 ①の指定方法では半角になった)	'full-alphabet, half-alphabet'
④ 小文字 ⇒ 大文字	'lowercase, uppercase'

変換パターンは、以下のように逆指定も可。

例：

kpropcase( 対象変数名, 'lowercase, uppercase' )

kpropcase( 対象変数名, 'uppercase, lowercase' )

変換例

data DT1; length VAR1 A B C D $30.; VAR1 = "あカｷ（１aｂＣ"; A = kpropcase( VAR1, 'full-alphabet, half-alphabet' ) ; B = kpropcase( VAR1, 'lowercase, uppercase' ) ; C = kpropcase( VAR1, 'half-katakana, full-katakana' ) ; D = kpropcase( VAR1, 'katakana, romaji' ) ; run; 結果
VAR1	あカｷ（１aｂＣ
A	あカｷ(1abC
B	あカｷ（１AＢＣ
C	あカキ（１aｂＣ
D	あKAKI（１aｂＣ

注意

①ふたつめの引数は「'lowercase', 'uppercase'」ではなく「'lowercase, uppercase'」です。
間違えやすいので注意が必要です。

②半角を全角に変換したい場合、
たとえば以下のプログラムを実行すると、VAR1の値は全角”Ａ”となる。

data DT3;
length VAR1 $2.;
VAR1 = "AB";
VAR1 = kpropcase( VAR1, 'half-alphabet, full-alphabet' );
run;

これは全角変換したことによって、LENGTHが4バイト必要なのに、2バイトしかないため、文字切れを起こしているから。そのため、変換前にLENGTHを2倍に指定し直す必要がある。

（※上記はWindowsのsjis環境での話で、他の環境ならもっとLENGTHが必要）

2013年12月13日金曜日

SQLの小技「CALCULATEDキーワード」

SASのSQL独自の便利機能「CALCULATED」キーワード
MySQLとかでは動かなかった。

このキーワードを使うと、SELECT句で作成した変数を、同じSQL内で参照することが出来る。

*** サンプルデータ ;
data DT1;
do V1=1 to 3 ;
output;
end;
run;

*** 普通は以下のエラーが出る ;
proc sql;
select sum(V1) as V2 ,
V2+1 as V3
from DT1;
quit;

ERROR: 次の列はテーブル内に存在しません: V2.

*** 「CALCULATED」を使った場合 ;
proc sql;
select sum(V1) as V2,
calculated V2+1 as V3
from DT1;
quit;

正直この例だと、「sum(V1)+1 as V3」と書いてもいいけど、、
・「V2」の式が長文の場合、「V3」作る時にもう1回長文かく手間が省けていい。
・内部の処理効率的に「calculated」を使った方がいいのかも。

という理由で、個人的には「calculated」を愛用してる。

2013年12月10日火曜日

欠損値のチェックを簡単に行う。

「CMISS関数」は、欠損値の数をカウントしてくれます。

数値変数・文字変数、どちらも指定可能です。

ロジカルチェックやデータクリーニングの際に重宝します。
以下に使用例をまとめてみた。

サンプルデータ

data DT1;
input X1 X2 X3$;
cards;
1 2 aa
3 . bb
5 . .
. . .
;
run;

使用例

/* 欠損値の数を取得 */
data DT2;
set DT1;
Y = cmiss(X1,X2,X3);
run;

/* いずれかが欠損値のOBSを特定 */
data DT3;
set DT1;
if cmiss(X1,X2,X3) > 0 then FLG=1;
run;

/* すべて欠損値のOBSを特定 */
data DT3;
set DT1;
if cmiss(X1,X2,X3) = 3 then FLG=1;
run;

登録: 投稿 (Atom)