Introduccion A Sas

Introduccin a SAS
Ral Vaquerizo 2007
2007 Ral Vaquerizo r_vaquerizo@yahoo.es
Introduccin a SAS |
Contenido: 1. Componentes del sistema SAS ................................................................................ 3 2. Explorar el entorno de SAS ..................................................................................... 4 3. Introduccin a los programas SAS ........................................................................... 7 3.1 Crear y ejecutar sentencias SAS ......................................................................... 7 3.2 Reglas bsicas de SAS....................................................................................... 8 3.3 Ejecuciones remotas de SAS............................................................................... 8 4. Libreras SAS........................................................................................................ 8 4.1 Libreras SAS temporales ................................................................................... 9 4.2 Libreras SAS permanentes ................................................................................ 9 4.2.1 Libreras en local ......................................................................................... 9 4.2.2 Libreras en servidor .................................................................................... 9 5. Conjuntos de datos SAS. El paso DATA....................................................................10 5.1 Leer ficheros de datos con SAS. Creacin de datasets ...........................................10 5.1.1 Ficheros SAS de entrada manual ..................................................................11 5.1.2 Lectura de ficheros de texto.........................................................................11 5.1.3 Lectura de otros ficheros SAS.......................................................................14 5.2 Variables ........................................................................................................17 5.2.1 Variables numricas....................................................................................17 5.2.2 Variables fecha ..........................................................................................19 5.2.3 Variables alfanumricas...............................................................................20 5.2.4 Formatos de variables.................................................................................23 5.2.5 Variables dentro del paso DATA ....................................................................24 5.3 Observaciones.................................................................................................27 6. Uniones de conjuntos de datos SAS ........................................................................31 6.1 Tipos de uniones..............................................................................................31 6.2 Uniones habituales de tablas .............................................................................34 6.2.1 Aadir nuevas variables a un conjunto de datos SAS .......................................34 6.2.2 Bsqueda de observaciones coincidentes .......................................................36 7. Procedimientos bsicos de SAS ..............................................................................39 7.1 PROC SORT ....................................................................................................39 7.2 PROC PRINT....................................................................................................39 7.3 PROC SUMMARY/MEANS: ..................................................................................40 7.4 PROC FREQ.....................................................................................................44 7.5 PROC DATASETS .............................................................................................46 7.6 PROC IMPORT/EXPORT .....................................................................................49 7.7 PROC TRANSPOSE ...........................................................................................50 7.8 PROC UNIVARIATE ...........................................................................................52 8. PROC SQL ...........................................................................................................60 8.1 Consultas de seleccin......................................................................................61 8.1.1 Bloques que componen una consulta ..........................................................61 8.1.2 Campos de seleccin condicionales (CASE).....................................................64 8.1.3 Uso de sentencias lgicas y condicionales ......................................................66 8.2 Consultas de creacin de tablas con PROC SQL ....................................................68 8.3 Uniones de tablas ............................................................................................71 8.3.1 Uniones verticales ......................................................................................71 8.3.2 Uniones horizontales (joins).........................................................................73
Introduccin a SAS |
1. Componentes del sistema SAS

SAS naci como una herramienta de anlisis estadstico. En realidad es el acrnimo de Statistical Analysis System pero desde 2001 sus soluciones van ms encaminadas al Business Inteligence que es una disciplina a caballo entre la informtica, las matemticas y la gestin empresarial. SAS est compuesto de una plataforma BASE a la cual se le aaden distintos mdulos. Los mdulos ms destacados de SAS son: SAS/ACCESS Interfase a otros formatos de ficheros SAS/AF Lenguaje para el diseo de aplicaciones SAS SAS/ASSIST Asistencia para el uso de SAS SAS/CONNECT Conjunto de herramientas cliente/servidor SAS/EIS Permite construir Bases de datos multidimensionales MDDB y relacionales RDBMS SAS/ETS Anlisis de Series Temporales SAS/FSP Facilidades para la entrada de datos de forma interactiva SAS/GIS GIS (Sistema de Informacin Geogrfica) interactivo con SAS SAS/GRAPH Mdulo grfico SAS/IML Manipulacin de matrices SAS/INSIGHT Herramienta para explorar y analizar datos SAS/MDDB Trabajo con Bases de datos Multidimensionales SAS/ODBC Conexiones ODBC SAS/OR Para resolver problemas de optimizacin SAS/QC Control de Calidad SAS/SPECTRAVIEW Visualizacin de datos cmo representaciones grficas SAS/STAT Anlisis Estadsticos SAS/IntrNet Permite a los usuarios ejecutar programas desde un navegador Otros Productos SAS SAS Enterprise Miner DataMining SAS Enterprise Guide Facilidad para el anlisis estadstico. La estructura ms habitual en las empresas es: BASE + STAT + GRAPH en los equipos locales y, en el caso de disponer de SAS en servidor, SAS CONNECT. En el servidor, que puede ser UNIX o Windows, los mdulos habituales tambin son BASE, STAT, GRAPH y CONNECT. Otro elemento muy habitual es el Enterprise Guide que es una herramienta para facilitar la programacin en SAS.
Introduccin a SAS |
2. Explorar el entorno de SAS

Al abrir SAS nos encontramos con el siguiente interfaz:
SAS es una aplicacin en la que el trabajo se realiza mediante programacin por lo que nuestra ventana habitual de trabajo ser el Editor Avanzado. Esta ventana es un editor de texto (similar a un block de notas) que dispone de una ayuda a la programacin mediante cdigo semafrico, desde aqu ejecutaremos toda la sintaxis de SAS. Otra ventana fundamental para nuestro trabajo ser la Log, all podremos ver si nuestro programa se ha ejecutado correctamente. Si nuestra ejecucin genera una salida en modo texto entonces tenemos la ventana Output. En la parte izquierda de nuestro interfaz tenemos 2 ventanas solapadas. El explorador es un navegador de archivos pero fundamentalmente lo emplearemos para navegar por libreras SAS. Este explorador se puede configurar a nuestro deseo a travs del men ver:
Introduccin a SAS |
El men archivo:
El men edicin:
El men ver:
Introduccin a SAS |
El men ejecutar:
El men soluciones:
El men ventana:
Herramientas: Cada ventana tiene sus propias herramientas. Desde los exploradores tenemos:
Son herramientas habituales para el uso. Por orden son: Subir un nivel, nuevo objeto, abrir, guardar, cortar, copiar, pegar, deshacer, eliminar, ver detalles, mostrar rbol, nueva librera, abrir explorador como ventana, ayuda. Desde el editor, el log y output podemos ver: 2007 Ral Vaquerizo r_vaquerizo@yahoo.es Introduccin a SAS |
Por orden: Limpiar pantalla, abrir, guardar, vista previa para impresin, cortar, copiar, pegar, deshacer, nueva librera, explorador, ejecutar, parar ejecucin y ayuda. Todos estos mens son personalizables. Adems habitualmente se emplean teclas que tienen asociadas funciones que nos facilitan las labores ms habituales. Para ver estas teclas nos situamos en la barra de comandos y escribimos keys:
Las definiciones son, en realidad, los mandatos que ejecutan.
3. Introduccin a los programas SAS

Los programas SAS se dividen en dos grupos: pasos DATA y pasos PROC. El paso DATA crea o transforma conjuntos de datos SAS. Los procedimientos o pasos PROC no transforman conjuntos de datos SAS, realizan anlisis, tablas, clculos estadsticos,...
3.1 Crear y ejecutar sentencias SAS

Los programas SAS se crean y se ejecutan desde el editor avanzado. Se puede ejecutar un programa entero o bien selecciones de programa. Habitualmente nuestras ejecuciones generarn conjuntos de datos SAS o salidas de informacin. Tras cada ejecucin comprobaremos si se ha realizado correctamente visualizando la ventana log. Esta ventana es un debugger donde comprobaremos cada paso DATA o procedimiento.
/*PROGRAMA 1*/ data uno; input x $ y; cards; 1 34 2 54 3 78 ; run;
Introduccin a SAS |
/* Sirve para abrir comentarios, */ los cierra. Es muy prctico comentar nuestros programas. DATA crea un conjunto de datos SAS, en este caso llamado uno. Todas nuestras sentencias SAS finalizarn con ; si lo omitimos SAS nos devolver un error. Con INPUT le indicamos a SAS que cree dos variables, si la variable va precedida de $ entonces es una variable alfanumrica. SAS distingue dos tipos de variables, numricas y alfanumricas. Con CARDS introducimos los datos manualmente y tras introducirlos ponemos ;. Por ltimo RUN finaliza la ejecucin. Es imprescindible marcarle a SAS cuando finaliza la ejecucin. Para ejecutar los programas es necesario pulsar el botn escribir SUBMIT en la lnea de comandos. , ejecutar desde el men o
3.2 Reglas bsicas de SAS

Los conjuntos de datos SAS, las libreras y las variables han de empezar por _ o letras A--Z . Tampoco pueden tener espacios en blanco. No pueden exceder de 32 caracteres. Las libreras que contienen programas SAS nunca podrn exceder en su nombre de 8 caracteres.
3.3 Ejecuciones remotas de SAS

En el caso de trabajar en una estructura cliente servidor ser necesario conectarse e indicarle a SAS que se trata de una ejecucin remota:
/*PROGRAMA 1*/ signon /*SERVIDOR*/; rsubmit; data uno; input x $ y; cards; 1 34 2 54 3 78 ; run; endrsubmit; signoff;
4. Libreras SAS
El elemento principal de SAS son los conjuntos de datos. stos pueden ser almacenados en libreras temporales o en libreras permanentes. Una librera es un conjunto de elementos de SAS como puedan ser: catlogos, vistas, formularios,... En todo momento nos centraremos en los conjuntos de datos. Las libreras, al final, son directorios con elementos de SAS. Para navegar entre ellas emplearemos el explorador. Al arrancar nuestra sesin de SAS deberemos tener al menos las siguientes libreras:
Introduccin a SAS |
Para movernos entre ellas haremos doble click y si necesitamos subir niveles emplearemos el botn de la barra de herramientas explorador de Windows habitual. Se pueden obtener varias vistas al igual que un
La librera Maps contiene la coleccin de mapas de SAS. Sashelp y Sasuser son libreras del sistema. La ms importante de stas es la librera temporal WORK. Como regla bsica remarcar que el nombre de una librera SAS nunca podr exceder de 8 caracteres ni tener espacios en blanco.
4.1 Libreras SAS temporales

Cada sesin de SAS tiene su librera temporal conocida como WORK. Esta librera slo existir mientras dure nuestra sesin de SAS. Cuando cerremos perderemos los conjuntos de datos que no hayamos dejado en una librera permanente. La librera WORK estar ubicada en un directorio previamente asignado por el archivo de configuracin. La emplearemos para ubicar todas aquellas tablas que, por su naturaleza, no necesitamos al finalizar nuestra sesin.
4.2 Libreras SAS permanentes

Son los directorios de nuestro PC o del servidor donde ubicamos conjuntos de datos SAS. 4.2.1 Libreras en local La sintaxis necesaria para crear una librera SAS en nuestro PC (en local) es:
libname permanen "C:\SAS_sesiones";

Si ejecutamos obtendremos en la ventana Log:
Es una librera SAS con una ubicacin en C:\SAS_SESIONES. En el explorador podremos ver:
4.2.2 Libreras en servidor Para crear libreras en servidor es necesario conocer la ubicacin remota:
rsubmit; libname librem "\ubicacion\remota" /*ESTE DIRECTORIO EXISTE EN EL SERVIDOR*/; endrsubmit; libname librem remote server=servidor slibref=librem;
En el explorador veramos las libreras remotas con un icono distinto:
Introduccin a SAS |
Habitualmente las libreras del servidor estn asignadas al inicio de la sesin SAS por los administradores de los servidores.
5. Conjuntos de datos SAS. El paso DATA

El elemento principal de trabajo de SAS son los conjuntos de datos, se componen de datos, observaciones y variables. Un conjunto de datos SAS es una tabla de datos con determinada informacin. Se almacenan en libreras SAS y el fichero fsico tiene la extensin *.sas7bdat, si vemos el archivo con el explorador de Windows veremos:
Si deseamos abrir un conjunto de datos haremos doble clic sobre el conjunto de datos que podremos ver en el explorador de libreras, inmediatamente aparecer una ventana:
Desde esta vista podemos navegar por nuestro conjunto de datos de forma similar a como lo haramos en una hoja de clculo pero con algunas limitaciones. Como regla bsica los nombres nunca podrn exceder de 32 caracteres ni tener espacios en blanco. El elemento principal del lenguaje SAS es el paso DATA. Este elemento crea, modifica y transforma conjunto de datos SAS (datasets). El paso DATA se compone de 2 fases, la fase de compilacin y la fase de ejecucin. En la fase de compilacin DATA crea una estructura de memoria, conocida como program data vector (PDV), con la estructura que SAS considera ms adecuada para el conjunto de datos, paralelamente crea toda una descripcin de la informacin del dataset. Una vez creada la estructura de la tabla SAS se pasa a la fase de ejecucin en la que SAS itera con cada registro haciendo output en el dataset cuando SAS llega a la sentencia RUN. La iteracin se lleva a cabo hasta que SAS detecta el final del archivo.
5.1 Leer ficheros de datos con SAS. Creacin de datasets

SAS puede interactuar con mltiples entornos de informacin, ah reside su mayor potencia. Recordemos que SAS se compone de un mdulo BASE al que se le aaden distintos mdulos 2007 Ral Vaquerizo r_vaquerizo@yahoo.es Introduccin a SAS |
en funcin de las necesidades del entorno de informacin. En el presente manual se estudiarn las lecturas de ficheros de datos SAS manuales, de texto y de otros ficheros SAS. 5.1.1 Ficheros SAS de entrada manual Anteriormente se estudi este programa:
/*PROGRAMA 1*/ data uno; input x $ y; cards; 1 34 2 54 3 78 ; run;

Esta es la entrada de datos que se considera manual. Para crear o sobrescribir un conjunto de datos SAS siempre emplearemos un paso DATA. Este paso crea un conjunto de datos SAS, en nuestro caso con INPUT le marcamos que la entrada va a ser manual, los datos los introducimos tras la sentencia CARDS. Todas las sentencias de SAS finalizan con ; y la ejecucin de un paso DATA finaliza con la sentencia RUN; Imaginemos que tenemos la siguiente tabla:
Paisano Pepe Juan Alberto Lucas
Estatura (cm) 160 178 200 190
Peso (kg) 70 78 120 89
Una forma de introducir esta tabla en SAS sera:
data tabla; input cards; Pepe 160 Juan 178 Alberto Lucas 190 ; run;
paisano $8. estatura_cm peso_cm; 70 78 200 89
120
Si observamos la variable paisano va precedida de $8. es la forma en la que asignamos formatos a las variables en SAS, por defecto todas las variables SAS son numricas necesitamos poner $ despus de todas las variables alfanumricas para indicarle lo contrario. Los formatos pueden ser de lectura (lo que introducimos a SAS) o pueden ser de escritura (lo que nos ofrece SAS). Los formatos ms habituales son para variables alfanumricas $charw. abreviado $w. y para variables numricas w.[d] donde w es la longitud.
5.1.2 Lectura de ficheros de texto Algo muy habitual en el trabajo diario con SAS es la lectura de ficheros de texto. El objetivo es transformar un fichero plano en un conjunto de datos SAS. Para realizar esta importacin disponemos de un asistente: Men archivo --> Importar datos
Introduccin a SAS |
La siguiente pantalla es:
En este punto podemos indicarle a SAS el formato del fichero de texto que deseamos importar. Habitualmente se emplean los ficheros estndar delimitado por comas (csv) o delimitado por tabuladores (txt). Sin embargo podemos indicarle a SAS cualquier tipo de archivo:
El siguiente paso es escribir la ubicacin fsica en la que est el fichero:
El botn Options nos permite jugar con las opciones de importacin del fichero:
Introduccin a SAS |
En este punto podemos indicar el delimitador y si el fichero de texto contiene encabezados. Aceptamos y el siguiente paso es indicar en el lugar en que queremos guardar la tabla SAS resultante:
Elegimos la librera y el nombre del conjunto de datos. Seguimos con el siguiente paso:
En este punto SAS nos indica si deseamos guardar el cdigo resultante de la importacin. No es necesario guardarlo puesto que posteriormente podemos recuperarlo. Pulsamos finalizar y ya habramos importado correctamente el fichero de texto. El proceso no parece complicado pero, al igual que sucede con muchas herramientas de BBDD, en ocasiones la importacin no se ha ejecutado correctamente porque un campo no se ha importado con el formato deseado o se ha provocado un error de importacin y necesita de una intervencin manual, necesita de programar el paso data que realiza la importacin. En estos casos tras ejecutar la importacin como antes lo indicamos podemos recuperar el ltimo cdigo ejecutado pulsando la tecla F4 en el editor de texto. SAS nos ha generado automticamente el paso data de la importacin, el cdigo automtico siempre tiene esta estructura:
Introduccin a SAS |
/********************************************************************* * * PRODUCT: SAS * VERSION: 9.1 * CREATOR: External File Interface * DATE: 12NOV07 * DESC: Generated SAS Datastep Code * TEMPLATE SOURCE: (None Specified.) ********************************************************************** */ data WORK.PRUEBA ; %let _EFIERR_ = 0; /* set the ERROR detection macro variable */ infile 'C:\Datos\Datos.txt' delimiter='09'x MISSOVER DSD lrecl=32767 firstobs=2 ; informat ID best32. ; informat dato $1. ; format ID best12. ; format dato $1. ; input ID dato $ ; if _ERROR_ then call symput('_EFIERR_',1); /* set ERROR detection macro variable */ run;
Esto es un cdigo automtico generado por SAS. En el que indicamos un fichero de entrada (infile) con un formato de entrada (informat) y que nos genera un conjunto de datos SAS. Para conocer mejor esta estructura es necesario conocer los distintos tipos de variables que tiene SAS. 5.1.3 Lectura de otros ficheros SAS Lo ms habitual en SAS es la lectura de otros conjuntos de datos para crear subconjuntos o nuevas variables. La sintaxis habitual para seleccionar datasets es:
data prueba; input var1 var2 var3; cards; 100 20 30 300 45 60 700 34 67 500 34 12 900 90 45 ; run; data prueba2; set prueba; run;
Con este programa asignamos al dataset prueba2 las mismas caractersticas del dataset prueba creado como ejemplo con anterioridad. La instruccin set lee las observaciones de uno o varios dataset que se indican a continuacin. El paso data es el que genera o modifica los datasets que estemos empleando. Si deseamos crear una nueva variable dentro de un dataset la sintaxis sera:
data prueba; set prueba; var_nueva=ranuni(5); run;

2007 Ral Vaquerizo r_vaquerizo@yahoo.es Introduccin a SAS |
Este paso data nos crea en nuestro dataset una nueva variable var_nueva que es el resultado de la creacin de un nmero aleatorio con la funcin de SAS ranuni(). Importante: la instruccin set debe ponerse si no queremos perder nuestro conjunto de datos. Dentro de un paso DATA tambin podemos seleccionar las variables que deben formar parte de l. Para esto contamos con las instrucciones KEEP y DROP. KEEP selecciona las variables que deseamos que formen parte de nuestro dataset, con DROP eliminamos las variables que no deseamos que aparezcan. La sintaxis para estas instrucciones es:
data prueba; set prueba; keep ID var_nueva; var_nueva=ranuni(5); run;

Con la instruccin KEEP nos quedamos con las variables ID var_nueva en el dataset prueba. La instruccin DROP elimina las variables:
data prueba; set prueba; drop dato; var_nueva=ranuni(5); run;

Para crear subconjuntos de datos a partir de un dataset emplearemos sentencias condicionales y lgicas. El bloque IF/THEN/ELSE nos permite ejecutar sentencias en modo condicional, la sintaxis de este bloque es: IF (si) <condicin> THEN (entonces) <accin1>; ELSE <accin2>; Si, por ejemplo, quisiramos crear una nueva variable que me identificara que valores de var_nueva tienen un valor superior a 0.5 la sintaxis necesaria sera:
data prueba; set prueba; if var_nueva>0.5 then var_condicional="mayor 0.5"; else var_condicional="menor 0.5"; run;
Con este paso data hemos creado una variable llamada var_condicional de tipo alfanumrico que toma dos valores en funcin del valor de var_nueva. En un mismo paso data podemos crear varios datasets. Siguiendo con el ejemplo dividamos prueba en dos subconjuntos de datos:
data prueba_mas_05 prueba_menos_05; set prueba; if var_nueva>0.5 then output prueba_mas_05; else output prueba_menos_05; run;
En este caso prueba genera dos subconjuntos de datos en funcin del valor de una variable. Para indicarle a SAS en que momento debe efectuar la copia de la informacin en cada subconjunto empleamos la instruccin OUTPUT. Las sentencias condicionales se pueden anidar: IF (si) <condicin> THEN (entonces) <accin1>; ELSE IF (si) <condicin> THEN (entonces) <accin2>; ELSE IF (si) <condicin> THEN (entonces) <accin3>; 2007 Ral Vaquerizo r_vaquerizo@yahoo.es Introduccin a SAS |
ELSE IF (si) <condicin> THEN (entonces) <accinN>; ELSE <accionN+1>; En el ejemplo de la creacin de varios subconjuntos de datos podemos hacer:
data prueba_menos_02 prueba_02_05 prueba_mas_05; set prueba; if var_nueva<0.2 then output prueba_menos_02; else if var_nueva<0.5 then output prueba_02_05; else output prueba_mas_05; run;
Otra labor de gran utilidad ser la realizacin de mltiples acciones en un bloque condicional, para ello tendremos que crear bloques de acciones: IF (si) <condicin> THEN (entonces) DO (abre bloque de acciones); Accion1; Accion2; ... AccionN; END (cierra bloque de acciones); ELSE <accin2>; Veamos el funcionamiento del bloque de acciones con un ejemplo:
data prueba; set prueba; if var_nueva>0.5 then do; var_condicional1="mayor 0.5"; var_condicional2="> 0.5"; end; else do; var_condicional="menor 0.5"; var_condicional2="< 0.5"; end; run;
Evidentemente podemos combinar bloques de acciones con condiciones anidadas. Las sentencias IF tambin pueden ejercer como filtros de seleccin, es este caso no necesitaran ir acompaadas de THEN/ELSE:
data prueba_mas_05; set prueba; if var_nueva>0.5 ; run;

En este ejemplo slo seleccionaramos las observaciones con un valor para var_nueva por encima de 0.5. En este caso IF equivale a una sentencia de seleccin con un determinado criterio. Otra instruccin que realiza sentencias de seleccin es WHERE <condicin1> ... <condicinN>. De este modo el ejemplo anterior se podra escribir:
data prueba_mas_05; set prueba; where var_nueva>0.5 ; run;

En esta circunstancia IF equivale a WHERE ya que no realiza accin alguna, si no un filtrado de las observaciones, un subconjunto de datos SAS.
Introduccin a SAS |
5.2 Variables
El elemento fundamental de los conjuntos de datos SAS son las variables. Ya las hemos referenciado en captulos anteriores. stas pueden ser numricas o alfanumricas. Las variables se pueden crear, eliminar (recordemos la instruccin DROP) o se pueden recodificar. Todo esto siempre lo haremos mediante pasos DATA. Disponemos de un amplio nmero de funciones para que todas las variables se ajusten a nuestras necesidades. Cada variable tiene una serie de atributos que podemos modificar:
Definicin Atributo SAS Nombre Name Tipo Type Longitud Length Formato salida Format Formato de entrada Informat Etiqueta Label
Valores Ver reglas SAS num, char 2 - 8 bytes para num, 1 - 32,000 para char Por defecto para num BEST12. , $w. Para char Por defecto para num BEST12. , $w. Para char Ninguna
Un tipo muy especial de variable es el valor perdido o missing. Por defecto el missing para una variable numrica es . y para una variable alfanumrica. Para todas las variables podemos emplear operadores de comparacin (por ejemplo en sentencias IF) y/o operadores lgicos. Los operadores de comparacin son:
Smbolo = ^= = ~= > < >= <=
Equivalencia EQ NE NE NE GT LT GE LE IN
Ejemplo a=3 a ne 3
num>5 num<8 sales>=300 sales<=100 num in (3, 4, 5)
Los operadores lgicos son:
Smbolo & | ! ~
Equivalencia AND OR OR OR NOT NOT NOT
Ejemplo (a>b & c>d) (a>b or c>d)
not(a>b)
5.2.1 Variables numricas Son las variables que representan nmeros, son medidas de cada observacin de nuestro dataset. Dentro de las numricas se incluyen las variables de fecha y hora. Su longitud va desde los 2 a los 8 bytes. El formato que tienen por defecto es BEST12. que es el formato de 12 bytes que SAS considera ms adecuado para una variable numrica. La forma ms
Introduccin a SAS |
comn de representar las variables numricas es w.[d] donde w representa la longitud de la parte entera y d la longitud de la parte decimal. Los operadores matemticos fundamentales que se pueden emplear con las variables numricas son:
Operador ** * / + -
Definicin Exponecial Multiplicar Dividir Sumar Restar
Ejemplo a**3 2*y var/5 num+3 sale-discount
Los missing numricos tienen un comportamiento especial y debemos tener especial cuidado al trabajar con variables numricas que puedan contener valores perdidos. Analicemos algunos ejemplos:
data _null_; y=3; x=.; z=x+y; l=x*y; m=min(x,y); n=sum(x,y); put z= l= m= n=; run;
La sentencia DATA _NULL_ no genera conjunto de datos SAS, _NULL_ es un tipo especial de dataset que no genera un fichero fsico; con la instruccin PUT= nuestro paso data escribir en la ventana log el valor de las variables que deseamos ver. Si analizamos el resultado en la ventana log tendremos:
Una variable missing que opera con un nmero da como resultado una variable missing, sin embargo si empleamos una funcin de SAS como es min() para determinar el mnimo entre dos valores o sum() para determinar la suma el valor missing no es tenido en cuenta.
Introduccin a SAS |
5.2.2 Variables fecha Un tipo muy importante de variable numrica es la variable que representa una fecha u hora en SAS. La variable fecha se codifica internamente como la diferencia en das entre la fecha en cuestin y el 1 de enero de 1960 de modo que las fechas posteriores sern un nmero positivo y las anteriores a 1960 sern un nmero negativo. Igualmente las variables hora sern la diferencia en horas con el 1 de enero de 1960 a las 00:00. Analicemos con algunos ejemplos como codifica SAS las variables fecha:
data fechas; input id $5. fecha : ddmmyy10.; cards; AAAAA 01/01/1960 ABAAC 01/01/1961 ACBAC 01/01/1970 ACABA 01/01/1962 AAAAC 01/01/1980 ; run;
Este programa crea desde el editor un conjunto de datos SAS con una variable carcter y otra numrica a la que a travs de : ddmmyy10. le asignamos un formato de lectura a SAS. Si hacemos una vista del conjunto de datos tenemos:
Vemos como se codifican las variables fecha como la diferencia en das respecto el 01/01/1960. Si deseamos ver el valor fecha que toma esta variable deberemos asignarle un formato de salida. Esto lo podemos hacer desde el mismo paso data:
data fechas; input id $5. fecha : ddmmyy10.; format fecha ddmmyy10.; cards; AAAAA 01/01/1960 ABAAC 01/01/1961 ACBAC 01/01/1970 ACABA 01/01/1962 AAAAC 01/01/1980 ; run;
El formato es uno de los atributos ms importantes de las variables y en funcin de l podremos ver correctamente los resultados. Los formatos fecha/hora ms empleados son:
Formato
Longitud Longitud mxima mnima
Longitud por defecto
Introduccin a SAS |
DATE. DATETIME. DDMMYY.
5 7 2
9 40 10
7 16 8
Para operar con variables fecha podemos emplear los mismos operadores que hemos visto para las variables numricas pero cabe destacar que SAS dispone de numerosas funciones para el trabajo con variables de este tipo. Las funciones ms destacadas son: DATDIF Function DATE Function DATEPART Function DAY Function HMS Function HOUR Function INTCK Function MDY Function MINUTE Function MONTH Function SECOND Function TIME Function TIMEPART Function TODAY Function WEEKDAY Function YEAR Function Das entre 2 fechas Fecha de inicio de sesin de SAS Extrae fecha SAS de una variable fecha/hora Da de la fecha SAS Hora, minutos y segundos de variable fecha/hora Hora de fecha Intervalo de tiempo entre 2 fechas Crea fechas SAS introduciendo mes da y ao Minuto de fecha Mes de fecha Segundo de fecha Hora actual del sistema Extrae tiempo de fecha/hora Da actual a fecha SAS Da de la semana de fecha Ao de fecha
Para introducir en un paso DATA una constante fecha, realizar operaciones con fechas por ejemplo, hemos de hacerlo en formato DATE. Veamos un ejemplo:
data fechas; input id $5. fecha : ddmmyy10.; format fecha ddmmyy10.; cards; AAAAA 01/01/1960 ABAAC 01/01/1961 ACBAC 01/01/1970 ACABA 01/01/1962 AAAAC 01/01/1980 ; run; data fechas; set fechas; anyos_entre_dos_fechas= ("01NOV80"d - fecha)/365.25; run;
Las constantes fecha han de introducirse con DIA(MES EN INGLES)AOd, tambin pueden introducirse como el valor numrico de la fecha, pero parece ms prctica esta metodologa. 5.2.3 Variables alfanumricas Las variables alfanumricas son aquellas que almacenan caracteres. Su longitud puede ir de 1 a 32.000 bytes. En anteriores ejemplos ya hemos visto la forma de introducir manualmente variables carcter a travs de INPUT, sin embargo si queremos realizar modificaciones sobre ellas, crear nuevas variables o trabajar con constantes tendremos que emplear las comillas (simples o dobles ). Por ejemplo, retomando la tabla fechas creada anteriormente tenemos:
data fechas;
input id $5. fecha : ddmmyy10.; format fecha ddmmyy10.; cards; AAAAA 01/01/1960 ABAAC 01/01/1961 ACBAC 01/01/1970 ACABA 01/01/1962 AAAAC 01/01/1980 ;
Sobre esta tabla se nos solicita aadir al campo id el prefijo ID-. El programa SAS que se emplea para modificar este campo sera:
data fechas; set fechas; id="ID-"||id; run;

El operador fundamental para las variables alfanumricas es la concatenacin, para ello SAS emplea ||. Para trabajar con constantes de caracteres es necesario el uso de comillas. De este modo modificamos nuestro campo id aadindole un prefijo. Veamos la tabla resultante:
Como vemos el resultado no es el correcto debido a que nuestra variable se ha recalculado sobre ella misma y, en principio, le asignamos un tamao de $5 (ver input). Para conocer las caractersticas de las variables de un dataset podemos emplear el explorador de libreras. Si nos situamos sobre el explorador y pulsamos el botn derecho podemos realizar diversas acciones sobre un dataset:
En nuestro caso nos interesa ver las columnas para conocer su estructura, pero si empleamos el botn Propiedades:
Introduccin a SAS |
Esta ventana recoge todo lo que compone un dataset. Las pestaas fundamentales son General y Columnas. En General podemos ver el tamao y las fechas de modificacin, en columnas la informacin nos ser de gran utilidad para trabajar con variables:
Nuestro dataset ejemplo se compone de 2 variables, una de texto de longitud 5 y otra numrica de longitud 8 con formato de salida DDMMYY10. Para modificar los atributos de nuestro dataset y que nuestra variable tenga la forma que deseamos hemos de emplear la instruccin ATTRIB pero con una peculiaridad, lo vemos en el ejemplo:
data fechas; attrib id length=$10; set fechas; id="ID-"||id; run;
Introduccin a SAS |
La instruccin ATTRIB modifica los atributos de nuestras variables, los posibles atributos a modificar son: LENGTH, LABEL, FORMAT e INFORMAT. Siempre ha de ir antes de poner SET para poder asignar unos atributos iniciales. SAS dispone de un gran nmero de funciones para el tratamiento de variables carcter, de todas ellas destacan:
Funcin COMPRESS COUNT INDEX LEFT LENGTH LOWCASE MISSING QUOTE REVERSE RIGHT SCAN SUBSTR TRANWRD TRIMN UPCASE
5.2.4 Formatos de variables
Descripcin Elimina un carcter especfico Cuenta el nmero de veces que aparece un carcter Busca una cadena de caracteres Alinea a la izquierda Obtiene la longitud de una variable carcter Pone en minsculas Indica si la variable es missing Pone comillas Reversa de carcter Alinea a la derecha Busca una cadena de caracteres dentro de otra cadena Extrae partes de una cadena Reemplaza o extrae dentro de una cadena Elimina espacios en blanco innecesarios Pone en maysculas
En captulos anteriores ya se ha hecho mencin a los formatos de las variables. Son imprescindibles tanto para leer como para escribir variables. Y esa es la caracterstica que los divide, existen formatos de entrada INFORMAT y formatos de salida FORMAT. Se dividen por categoras, entre las que destacan los formatos numricos, formatos carcter y formatos de fecha. Para entender mejor la sintaxis SAS que genera formatos recordamos uno de los ejemplos vistos en el presente manual:
data WORK.PRUEBA ; %let _EFIERR_ = 0; /* set the ERROR detection macro variable */ infile 'C:\Datos\Datos.txt' delimiter='09'x MISSOVER DSD lrecl=32767 firstobs=2 ; informat ID best32. ; informat dato $1. ; format ID best12. ; format dato $1. ; input ID dato $ ; if _ERROR_ then call symput('_EFIERR_',1); /* set ERROR detection macro variable */ run;
Este es el cdigo SAS que se genera automticamente tras la rellamada, tras el RECALL de la importacin de un conjunto de datos de texto. Analizando las sentencias que asignan formatos tenemos:
Introduccin a SAS |
informat ID best32. ; informat dato $1. ; format ID best12. ; format dato $1. ;
INFORMAT indica al sistema que la variable de lectura es numrica formato BEST12. para dato tenemos un formato de lectura carcter de longitud 1. Los formatos de salida, en la sentencia FORMAT son los mismos. As pues la sintaxis es sencilla (IN)FORMAT <variable/s> <formato>; Los formatos ms importantes por tipo son: Formatos numricos:
Formato BESTw. BINARYw. COMMAw.d COMMAXw.d EUROw.d EUROXw.d FRACTw. HEXw. ROMANw. w.d Zw.d
Descripcin SAS mejor formato Binario Separacin de miles y decimales en formato americano Separacin de miles y decimales en formato europeo Formato euro con configuracin americana Formato euro con configuracin europea Nmero fraccionario Hexadecimal Romano Habitual de <parte entera>.<parte decimal> Nmeros empezados por 0
En el caso de las variables numricas el formato de lectura y escritura ser slo relevante para los reportes ms sofisticados. Formatos fecha (vistos con anterioridad):
Formato DATE. DATETIME. DDMMYY.
Descripcin Da siglas de mes en ingls Ao Como date pero con HH:MM:SS DD/MM/YY
En el caso de las fechas es fundamental conocer bien el funcionamiento de los formatos tanto de lectura, para la importacin de ficheros de texto; como de escritura, para la realizacin de clculos y reportes. Formatos carcter:
Formato $CHARw. $w.
Descripcin Carcter estndar
Como podemos ver para los formatos carcter slo destaca el formato estndar. Cuando trabajemos con variables carcter la informacin que requerir ms atencin ser su longitud. 5.2.5 Variables dentro del paso DATA El lugar donde operamos con variables es el paso DATA. Dentro de un dataset las operaciones ms habituales con variables son: Seleccin de variables Renombramiento de variables Ordenacin de variables dentro de un conjunto de datos SAS Recodificacin y clculo de variables
Introduccin a SAS |
Seleccin de variables: En el captulo 5.3.1 ya se hizo referencia a las instrucciones KEEP y DROP. KEEP selecciona las variables en el conjunto de datos SAS y DROP las elimina. Estas instrucciones se pueden emplear en sentencias o como opcin del paso data. Renombramiento de variables: Para modificar el nombre de una variable se emplea la instruccin RENAME. Al igual que KEEP y DROP puede ser sentencia u opcin de un paso DATA. Ordenacin de variables: Para ordenar variables dentro de un conjunto de datos SAS emplearemos la instruccin RETAIN siempre antes de la sentencia que incluya SET. Recodificacin y clculo de variables: Para la manipulacin y transformacin de variables emplearemos las numerosas funciones que dispone SAS. Para familiarizarnos con las distintas operaciones que podemos hacer con variables en un paso DATA emplearemos un ejemplo:
data ejemplo; do indice=1 to 20; Numero_alumno=int(ranuni(8)*10000); Estatura=rannor(3)*15+175; Peso=rannor(3)*10+80; Nota1=ranpoi(34,5); Nota2=ranpoi(34,5); Nota3=ranpoi(34,5); output; end; run;
El dataset ejemplo tiene 20 observaciones creadas con un bucle DO. Tiene 7 variables, un ndice empleado para el bucle y 6 variables aleatorias que simulan un grupo de alumnos con su identificador, su estatura, su peso y sus notas en determinadas asignaturas. El bucle DO itera tantas veces como le indiquemos con los ndices (siempre separados por TO), con OUTPUT le indicamos a SAS que tras cada iteracin vuelque los datos al dataset. Para comenzar a conocer mejor el manejo de variables mediante un paso DATA en primera instancia crearemos un nuevo conjunto de datos SAS llamado ejemplo2 que contendr las variables Numero_alumno y Nota:
/*1*/ data ejemplo2; set ejemplo; keep numero_alumno nota1 nota2 nota3; run; /*2*/ data ejemplo2; set ejemplo; drop indice estatura peso; run; /*3*/ data ejemplo2; set ejemplo (keep=numero_alumno nota1 nota2 nota3); run; /*4*/ data ejemplo2; set ejemplo (drop=indice estatura peso); run;
Estos 4 programas hacen exactamente lo mismo, podemos seleccionar o eliminar variables obteniendo el mismo resultado. Como novedad tenemos DROP y KEEP como opciones
Introduccin a SAS |
dentro de una sentencia SET, en este caso la sintaxis requiere estar entre parntesis y un igual despus de DROP o KEEP, esta ser la forma en la que trabajaremos con las opciones de lectura/escritura dentro de las sentencias SET/DATA. Como siguiente ejemplo vamos a necesitar realizar una modificacin en el dataset ejemplo2, renombrar la variable numero_alumno como id_alumno y nota1 como nota5, adems necesitamos una nueva variable llamada clase que tenga el valor 1A (ser una constante), el cdigo SAS sera:
/*1*/ data ejemplo2; set ejemplo2; clase="1A"; rename numero_alumno = id_alumno Nota1 = Nota5; run; /*2*/ data ejemplo2 (rename=(numero_alumno = id_alumno Nota1 = Nota5)); set ejemplo2; clase="1A"; run;
Para este ejemplo presentamos 2 posibles formas de hacerlo, bien empleando RENAME como una instruccin dentro del paso DATA o como opcin de escritura (va en la sentencia DATA) del dataset que creamos. De este modo tanto RENAME como KEEP/DROP pueden ser sentencias del paso DATA u opciones de lectura/escritura:
/*OPCIONES DE ESCRITURA: EN SENTENCIA DATA*/ data dataset_escritura (drop=variables keep=variables rename=nombre1=nuevo_nombre2 ... ); /*OPCIONES DE LECTURA: EN SENTENCIA SET*/ set dataset_lectura (drop=variables keep=variables rename=nombre1=nuevo_nombre2 ... ); /*INSTRUCCIONES*/ run;
Importante: si empleamos las opciones de lectura (en SET) modificaremos la estructura el dataset ledo. Los resultados obtenidos con las opciones lectura/escritura de un dataset son anlogas a las que podramos obtener con:
data dataset_escritura ; set dataset_lectura; /*SENTENCIAS RENAME KEEP/DROP*/ rename nombre1=nuevo_nombre2 ... nombren=nuevo_nombren; keep variables; drop variables; run;
Trabajar con sentencias especficas o con opciones de lectura/escritura del dataset depender de la tarea que deseemos realizar. Las opciones de lectura/escritura optimizan el uso de memoria pero modifican la estructura de un dataset. Las sentencias especficas RENAME, KEEP o DROP penalizan el uso de la memoria pero nos garantizan que se mantiene la estructura del dataset ledo y la estructura del dataset a escribir.
Introduccin a SAS |
Continuando con nuestro ejemplo prctico deseamos retocar el orden de las variables a la vez que renombramos dos de las variables. Para ello debemos emplear una sentencia con la instruccin RETAIN:
data ejemplo2; retain clase id_alumno Nota2 Nota3 Nota5; set ejemplo2; clase="1A"; rename numero_alumno = id_alumno Nota1 = Nota5; run;
Observemos que en RETAIN debemos poner el nombre antiguo de la variable porque estamos modificando la estructura en el momento de la compilacin del paso DATA. Avanzando en nuestro ejemplo vamos a crear un nuevo dataset con un identificador de alumno resultado de la concatenacin de clase e id; adems ser necesario el clculo de la nota media de las 3 asignaturas, recodificamos y modificamos dos variables:
data ejemplo3; retain new_id_alumno; set ejemplo2; drop clase id_alumno; new_id_alumno=compress(clase||"-"||id_alumno); nota_media=mean(nota2,nota3,nota5); format nota_media 5.2; run;
En este ejemplo creamos dos nuevas variables: new_id_alumno nota_media. La primera es la concatenacin de una variable carcter con un guin y una variable numrica, esta concatenacin est dentro de la funcin COMPRESS que se emplea habitualmente para eliminar espacios en blanco dentro de una variable carcter. Para la nota media se ha empleado la funcin estadstica MEAN, a la variable generada se le asigna un formato de longitud 5 con 2 posiciones decimales.
5.3 Observaciones
Hasta el momento hemos creado conjuntos de datos SAS y hemos trabajado con las variables que lo componen. El otro elemento que requiere de estudio por parte de este manual es la fila de una tabla, las observaciones de un dataset. Las observaciones son aadidas al dataset en el momento del output. Por defecto el momento de output ser la sentencia RUN, sin embargo podemos indicar ese momento dentro de un paso DATA precisamente con la instruccin OUTPUT, veamos un ejemplo de funcionamiento:
data ejemplo; do indice=1 to 20; Numero_alumno=int(ranuni(8)*10000); Estatura=rannor(3)*15+175; Peso=rannor(3)*10+80; Nota1=ranpoi(34,5); Nota2=ranpoi(34,5); Nota3=ranpoi(34,5); output; end; run; data ejemplo_par ejemplo_impar; set ejemplo; if mod(indice,2)=0 then output ejemplo_par; else output ejemplo_impar; run;
Introduccin a SAS |
Si analizamos estos ejemplos tenemos que ejemplo se crea mediante un bucle DO en el que al final se ejecuta OUTPUT, el final del bucle ser el momento en el que SAS realiza la salida de al conjunto de datos. En el siguiente paso data vemos que la instruccin DATA va a generar 2 conjuntos de datos SAS. El paso data puede generar de 0 a n conjunto de datos SAS, si deseamos hacer un paso data sin generar dataset emplearemos data _null_; En este caso generamos ejemplo_par y ejemplo_impar, ambos parten de ejemplo y en el caso de que el ndice sea par entonces se realiza un output sobre ejemplo_par y en el caso contrario se realiza el output sobre ejemplo_impar. Con OUTPUT podemos controlar aquellas observaciones que queremos que se carguen en nuestro dataset, si deseamos el efecto contrario, la eliminacin de observaciones, deberemos emplear la instruccin DELETE. El siguiente programa elimina del dataset ejemplo aquellas observaciones con una nota media inferior a 5:
data ejemplo_aprobados; set ejemplo; if mean(nota1,nota2,nota3) < 5 then delete; run;

Otra forma de controlar las observaciones que deseamos en nuestro dataset es el filtrado de registros, para ello emplearemos la instruccin WHERE <condicin> vista con anterioridad:
data aprobados; set ejemplo; where nota1 >= 5 and nota2 >= 5 and nota3 >=5; run;
WHERE es una instruccin que puede ser tambin opcin de lectura o escritura dentro del paso DATA, al igual que SEP/DROP y RENAME. Como opcin nos ser de gran utilidad para optimizar el proceso de lectura de datasets:
data aprobados; set ejemplo (where=( nota1 >= 5 and nota2 >= 5 and nota3 >=5)); run;
En este punto disponemos de herramientas de cdigo que nos permiten controlar el momento en el que una observacin pasa a formar parte, o no, de nuestro conjunto de datos. Un caso particular de trabajo con observaciones ser la agrupacin de ellas por una variable agrupadora, analicemos un ejemplo prctico: Disponemos de las ciudades con ms de 100.000 habitantes de las provincias de Madrid y Barcelona:
Provincia Madrid Barcelona Barcelona Barcelona Madrid Madrid Barcelona Madrid Madrid Madrid Madrid Barcelona Madrid Barcelona
Municipio Madrid Barcelona Hospitalet de Llobregat (L') Sabadell Alcorcn Mstoles Terrassa Getafe Legans Fuenlabrada Alcal de Henares Badalona Torrejn de Ardoz Matar
Cod_postal 28079 8019 8101 8187 28007 28092 8279 28065 28074 28058 28005 8015 28148 8121
Poblacin 3092759 1582738 246415 191057 154441 201789 184829 156315 176900 187963 188519 214440 104790 111879
Introduccin a SAS |
Barcelona
Santa Coloma de Gramenet
8245
116012
Para estas provincias necesitamos un total de habitantes. Es decir, necesitamos una variable que nos sume la poblacin por provincia. El primer paso es introducir los datos en SAS: data datos; input Provincia $10.Municipio $30. format cod_postal z5.; cards; Madrid Madrid Barcelona Barcelona Barcelona Hospitalet de Llobregat (L') Barcelona Sabadell Madrid Alcorcn Madrid Mstoles Barcelona Terrassa Madrid Getafe Madrid Legans Madrid Fuenlabrada Madrid Alcal de Henares Barcelona Badalona Madrid Torrejn de Ardoz Barcelona Matar Barcelona Santa Coloma de Gramenet ; run;
Cod_postal 28079 8019 8101 8187 28007 28092 8279 28065 28074 28058 28005 8015 28148 8121 8245
Poblacion ;
3092759 1582738 246415 191057 154441 201789 184829 156315 176900 187963 188519 214440 104790 111879 116012
Introducimos manualmente los datos, cabe destacar que a cod_postal le damos un formato de salida z5. que rellena con 0 a la izquierda en 5 posiciones. Para agrupar por una variable en un paso DATA necesitamos que el conjunto de datos est previamente ordenado por esa variable. La ordenacin de datasets se lleva a cabo con el procedimiento SORT cuya sintaxis es: PROC SORT DATA=<datos> <opciones>; BY (DESCENDING) <variable>; RUN; En el ejemplo que nos ocupa el procedimiento SORT queda:
proc sort data=datos; by provincia; /*VARIABLE POR LA CUAL SE ORDENA*/ run;

Vemos que la sintaxis de este procedimiento es muy sencilla. Ahora nuestro dataset est ordenado por la variable provincia, pasamos a crear la variable agregada. Para este fin hemos de emplear la instruccin RETAIN vista con anterioridad cuando ordenbamos variables dentro de nuestro dataset. En este caso RETAIN retendr el valor de una variable tras cada iteracin del paso data y no la posicin de las variables dentro de una tabla como haca con anterioridad. Para agrupar hemos de trabajar con unas variables de sistema especficas para el trabajo con agregados. Estas variables son creadas en el sistema por la instruccin BY. Como hemos visto en el procedimiento SORT la instruccin BY nos ha indicado la variable por la cual ordenamos el dataset, pues bien, en el paso DATA nos indicar lo mismo: la variable que ordena el dataset. Es imprescindible para el uso de BY que el dataset est ordenado, en el caso contrario obtendremos un error. Veamos la sintaxis de la agrupacin:
data datos_agregados; set datos; /*VARIABLE DE RETENCION*/ retain total_poblacion 0; /*VARIABLE PARA AGRUPAR*/
by provincia; /*TRABAJO CON VARIABLES DE SISTEMA*/ /*VARIABLE FIRST*/ if first.provincia then total_poblacion=0; total_poblacion=sum(total_poblacion,poblacion); /*VARIABLE LAST*/ if last.provincia then output; run; keep provincia total_poblacion;
Vemos que RETAIN nos crea una nueva variable en nuestro dataset con formato numrico y cuyo valor inicial ser 0, esta variable ser la que retenga su valor tras cada iteracin de datos. Al emplear BY SAS nos permite trabajar con dos variables internas del paso data (no tendrn output) FIRST.<variable en BY> y LAST. .<variable en BY>. FIRST. toma el valor 1 cuando estamos ante la primera observacin del grupo de la variable de BY y 0 en el resto de posiciones de la variable y LAST. toma el valor 1 cuando estamos ante la ltima observacin del grupo. En el ejemplo antes analizado, realizando unas modificaciones podemos ver que valores toman FIRST. y LAST. en funcin de la variable agrupadora:
data valores_BY; set datos; /*VARIABLE PARA AGRUPAR*/ by provincia; valor_first=first.provincia; valor_last=last.provincia;
Variable grupo, indicada con BY
run;
Primer valor para variable grupo: Barcelona ltimo valor para variable grupo: Barcelona
Podemos realizar agrupaciones por ms de una variable. Si en el ejemplo en estudio deseamos crear una nueva variable ranking por el nmero de habitantes la metodologa a emplear sera la siguiente:
proc sort data=datos; by provincia descending poblacion; run; data datos_ranking; set datos; retain ranking 0; by provincia;
run;
if first.provincia then ranking = 1; else ranking=ranking + 1;
6. Uniones de conjuntos de datos SAS

6.1 Tipos de uniones
Para unir conjuntos de datos SAS ser necesario tener en cuenta el tipo de unin que deseamos realizar. Dos son los tipos fundamentales: Unin vertical: o Concatenacin:
DATA A 2000 2001 2002 2003 2004
DATA B 2005 2006 2007 2008
Concatenacin A y B 2000 2001 2002 2003 2004 2005 2006 2007 2008
Intercalacin:
DATA A 2000 2001 2002 2003 2004
DATA B 2001 2003 2007 2008
Intercalcacin A y B 2000 2001 2001 2002 2003 2003 2004 2007 2008
Unin horizontal: Introduccin a SAS |
DATA A Ao 2000 2001 2002 2003 2004 X 99,60 30,35 2,32 16,27 35,82
DATA B Ao 2001 2003 2007 2008 Y 4 2 18 19
Unin horizontal A y B Ao 2000 2001 2002 2003 2004 2007 2008 X 99,60 30,35 2,32 16,27 35,82 . . Y . 4 . 2 . 18 19
Estas son las 3 formas ms habituales de unir conjuntos de datos SAS. En el primer caso, la concatenacin de datasets, emplearemos la instruccin SET. Al igual que se emplea para leer las observaciones de una tabla dentro de un paso data se puede emplear para leer ms de una tabla. Veamos un ejemplo:
data uno; input anio ; cards; 2000 2001 2002 2003 2004 ; run; data dos; input anio ; cards; 2005 2006 2007 ; run; data tres; set uno dos; run; proc print data=tres; run;
Creamos dos conjuntos de datos ambos con la misma y nica variable. Los unimos en el conjunto de datos tres, c el procedimiento PRINT imprimimos en la ventana output el contenido del dataset:
Se observa que el resultado final es la unin de las dos tablas uno y dos. El resultado final tiene 8 observaciones 5 de uno y 3 de dos. Para intercalar datasets tambin emplearemos la instruccin SET pero ser necesario que le indiquemos a SAS mediante que variable realizamos la intercalacin, esto lo haremos con la instruccin BY. Por ello, para intercalar 2007 Ral Vaquerizo r_vaquerizo@yahoo.es Introduccin a SAS |
datasets, necesitaremos que estn ordenados por la variable de intercalacin, por la variable que participe en la sentencia creada con BY. Analicemos el correspondiente ejemplo de sintaxis:
data uno; input anio importe; cards; 2001 345 2000 123 2004 789 2002 456 2003 567 ; run; data dos; input anio importe; cards; 2003 45 2000 23 2001 79 2005 46 2006 67 ; run; proc sort data=uno; by anio; run; proc sort data=dos; by anio; run; data tres; set uno dos; by anio; run; proc print data=tres; run;
Para realizar la intercalacin entre conjuntos de datos SAS el paso previo siempre ser la ordenacin de los mismos, posteriormente los uniremos en un paso data seguido de una sentencia SET donde indicamos los conjuntos origen y por ltimo emplearemos la sentencia BY que indica la variable mediante la cual realizamos la intercalacin. El resultado final es un conjunto de datos que tiene 10 observaciones 5 de uno y 5 de dos donde la variable anio hace de campo ndice. Para la unin horizontal la metodologa ser muy similar a la empleada en la intercalacin, pero en este caso emplearemos la sentencia MERGE. El ejemplo a plantear es el siguiente:
data uno; input anio importe1; cards; 2001 345 2000 123 2004 789 2002 456 2003 567 ; run; data dos;
input anio importe2; cards; 2003 45 2000 23 2001 79 2005 46 2006 67 ; run; proc sort data=uno; by anio; run; proc sort data=dos; by anio; run; data tres; merge uno dos; by anio; run; proc print data=tres; run;
El cdigo es completamente anlogo al empleado en la intercalacin, ambos datasets han de estar ordenados y la posterior unin se lleva a cabo en un paso data que para leer las observaciones emplea la instruccin MERGE en vez del habitual SET. Las dos tablas tienen un campo comn anio y un campo distinto que hace referencia a un importe. Nuestro objetivo es la unin de ambas tablas para crear un tercer conjunto de datos que contenga la unin horizontal de ambas tablas. El resultado en la ventana output es:
Tenemos 7 observaciones 5 de uno y 5 de dos pero en este caso 3 de las observaciones son coincidentes para ambas tablas, 2 observaciones de uno que no se encuentran en dos y 2 observaciones de dos que no se encuentran en uno.
6.2 Uniones habituales de tablas

Hemos planteado la metodologa para unir tablas SAS a travs de un paso data pero en nuestro trabajo habitual existen otros tipos de uniones como bsqueda de coincidentes, interseccin de tablas o aadir variables a un dataset provenientes de otro. La metodologa ser la empleada en la unin horizontal por lo que debemos tener las tablas que manejemos ordenadas por la variable que empleemos par el cruce. Emplearemos una variable de sistema que se genera en el paso data como opcin de lectura en las sentencias MERGE o SET. Como norma general las opciones de lectura de un dataset irn entre parntesis. En este caso la opcin empleada ser IN=<variable de sistema>. Las uniones ms habituales sern: 6.2.1 Aadir nuevas variables a un conjunto de datos SAS
Introduccin a SAS |
El dataset A tiene una estructura a la que es necesaria unir alguna/s variables del dataset B, pero slo en aquellos casos en los que cruce la observacin de A, no podemos aadir observaciones de B. Retomando el ejemplo anterior de unin horizontal de datasets ahora pretendemos aadir al dataset uno las variables del dataset dos:
data uno; input anio importe1; cards; 2001 345 2000 123 2004 789 2002 456 2003 567 ; run; data dos; input anio importe2; cards; 2003 45 2000 23 2001 79 2005 46 2006 67 ; run; proc sort data=uno; by anio; run; proc sort data=dos; by anio; run; data uno; merge uno (in=en_uno) dos; by anio; /*IN GENERA UNA VARIABLE DE SISTEMA LLAMADA EN_UNO QUE TOMARA EL VALOR 1 SI LA OBSERVACION ESTA EN EL DATASET INDICADO*/ if en_uno; run; proc print data=uno; run;
La opcin de lectura de uno (in=en_uno) genera una variable interna (no se realizar output de ella) que toma el valor 1 si la observacin est en el dataset uno. De este modo tendremos como resultado todas las observaciones de uno a las que habremos aadido las variables de dos que tengan coincidencia en el campo de cruce indicado en BY:
Introduccin a SAS |
Las 5 observaciones de uno tienen una variable ms provenientes de dos. Importante: en este tipo de uniones prevalece la informacin que aadimos por la derecha:
data uno; input anio importe1; cards; 2001 345 2000 123 2004 789 2002 456 2003 567 ; run; data dos; input anio importe1; cards; 2003 45 2000 23 2001 79 2005 46 2006 67 ; run; proc sort data=uno; by anio; run; proc sort data=dos; by anio; run; data uno; merge uno (in=en_uno) dos; by anio; /*IN GENERA UNA VARIABLE DE SISTEMA LLAMADA EN_UNO QUE TOMARA EL VALOR 1 SI LA OBSERVACION ESTA EN EL DATASET INDICADO*/ if en_uno; run; proc print data=uno; run;
Este tipo de cruce nos ser de especial inters cuando necesitemos hacer actualizaciones de variables de nuestra tabla.
6.2.2 Bsqueda de observaciones coincidentes Buscamos aquellas observaciones que estn dentro de un dataset y no estn dentro de otro:
La sintaxis de SAS sera: 2007 Ral Vaquerizo r_vaquerizo@yahoo.es Introduccin a SAS |
data uno; input anio importe1; cards; 2001 345 2000 123 2004 789 2002 456 2003 567 ; run; data dos; input anio importe2; cards; 2003 45 2000 23 2001 79 2005 46 2006 67 ; run; proc sort data=uno; by anio; run; proc sort data=dos; by anio; run; data uno; merge uno (in=en_uno) dos (in=en_dos keep=anio) /*DROP COMO OPCION DE LECTURA*/; by anio; if en_uno and not en_dos; run; proc print data=uno; run;
En este caso no realizamos uniones de variables porque usamos KEEP como opcin de lectura dentro de la sentencia MERGE, el dataset uno contendr aquellas observaciones de uno que no coinciden con las observaciones de dos:
Si deseamos las observaciones coincidentes estaramos ante una interseccin de dos conjuntos de datos:
data uno; merge uno (in=en_uno) dos (in=en_dos keep=anio) /*DROP COMO OPCION DE LECTURA*/; by anio;
run;
if en_uno and en_dos;

bsqueda de observaciones, MERGE siempre har unin de las que pongamos en su sentencia. Habr ocasiones en las que ocasiones en las que no necesitemos las variables, pero podemos es relevante a nuestro conjunto de datos e incluso sobrescribir
Importante: Estamos ante variables de los datasets necesitemos las variables y aadir informacin que no variables.
Cabe sealar que tanto usando SET como MERGE podemos unir de 2 a n conjuntos de datos, por ejemplo:
data uno; input anio importe1; cards; 2001 345 2000 123 2004 789 2002 456 2003 567 ; run; data dos; input anio importe2; cards; 2003 45 2000 23 2001 79 2005 46 2006 67 ; run; data tres; input anio importe3; cards; 2003 4 2002 1 2000 2 2001 7 2006 6 ; run; proc sort data=uno; by anio; run; proc sort data=dos; by anio; run; proc sort data=tres; by anio; run; data uno; merge uno (in=en_uno) dos tres; by anio; if en_uno; run; proc print data=uno; run;
Introduccin a SAS |
7. Procedimientos bsicos de SAS

Hasta el momento hemos trabajado fundamentalmente con el paso DATA. El otro componente fundamental de un programa SAS el procedimiento, el paso PROC. Ya hemos esbozado dos de los procedimientos ms habituales, SORT y PRINT. Aparte de estos dos se van a estudiar determinados procedimientos almacenados en el mdulo BASE que pueden ser de especial inters: Summary/means Freq Datasets Import/export Univariate
7.1 PROC SORT

El procedimiento SORT es el que emplearemos para la ordenacin de conjuntos de datos. La sintaxis ser: PROC SORT DATA=<dataset de lectura> OUT=<dataset de escritura> <opciones>; BY [DESCENDING] <variable/s a ordenar>; run; Si no indicamos dataset de escritura el output lo har sobre el mismo dataset. Entre las opciones ms destacadas emplearemos NODUPKEY para la eliminacin de observaciones duplicadas. Ejemplo:
data duplicados; input anio importe1; cards; 2001 345 2000 123 2000 123 2004 789 2002 456 2003 567 2003 567 ; run; proc sort data=duplicados nodupkey; by anio; run;
Repasamos la ventana log:
SAS nos indica que ha eliminado dos observaciones de uno duplicadas.
7.2 PROC PRINT

Este procedimiento imprime en la ventana output el contenido de un conjunto de datos. La sintaxis del procedimiento es la siguiente: PROC PRINT DATA=<dataset> <opciones>; TITLE <Ttulo para la impresin>; VAR <variables a imprimir>; BY <variable de agrupacin>; SUM <suma total de variable agrupada>; WHERE <condicin>; RUN; Cabe destacar que hay sentencias comunes en los procedimientos como son BY, VAR o WHERE. El funcionamiento de BY ya lo hemos visto, nos sirve para agrupar variables; VAR es 2007 Ral Vaquerizo r_vaquerizo@yahoo.es Introduccin a SAS |
comn para la prctica totalidad de procedimientos y con ello seleccionamos las variables del dataset que han de formar parte del procedimiento. Mencin especial requiere la sentencia WHERE ya que con ella podemos hacer condiciones dentro de nuestros procedimientos. Ejemplo de uso:
data anios; input anio importe1 importe2; cards; 2001 345 567 2000 123 234 2000 12 1098 2004 789 345 2002 456 21 2003 567 65 2003 67 2134 ; run; proc sort data=anios; by anio; run; proc print data=anios; var anio importe1; by anio; sum importe1; where anio<=2002; run;
En la ventana output obtenemos:
Imprimimos dos variables del dataset anios agrupando por la variable ao (siempre ordenada previamente) sumamos por importe1 y acotamos nuestra salida con WHERE para obtener todos los aos inferiores o iguales a 2002.
7.3 PROC SUMMARY/MEANS:

Son los procedimientos que emplearemos para la sumarizacin y los anlisis descriptivos de variable. Por defecto estos procedimientos ofrecen la sumarizacin en la ventana output pero tambin podremos guardar estas salidas en datasets con distintas estructuras. La sintaxis de estos procedimientos es: 2007 Ral Vaquerizo r_vaquerizo@yahoo.es Introduccin a SAS |
PROC MEANS/SUMMARY DATA=<dataset> <opciones> <estadsticos>; BY <DESCENDING> variable-1 <... <DESCENDING> variable-n; CLASS variable(s) </opciones>; FREQ variable; ID variable(s); OUTPUT OUT=<dataset> <estadistico(s)=> </opciones> ; TYPES <tipo>; VAR variable(s) < / WEIGHT=variable peso>; WAYS list; WEIGHT <variable>; WHERE <condicin>; QUIT; Con BY definimos los grupos (siempre ha de estar ordenado el conjunto de datos por esta variable). La instruccin CLASS identifica subgrupos para el anlisis. FREQ identifica la variable de frecuencia. ID ser de utilidad si generamos un dataset para identificar las variables generadas. OUTPUT genera un dataset, debemos especificar los estadsticos que seseamos obtener, la nica diferencia entre MEANS y SUMMARY es que este ltimo requiere esta sentencia ya que, por defecto, no ofrece salida en la ventana output. Con TYPES identificamos la combinacin de las variables que introducimos en CLASS. VAR nos sirve para indicar sobre que variables es necesario el anlisis. Con WAYS especificamos el nmero de combinaciones nicas de las variables CLASS. Por ltimo con WEIGHT definimos la variable que asigna pesos. Comencemos a realizar ejemplos:
data aleatorio; do i=1 to 200; grupo1=1; if mod(i,2)=0 then grupo1=2; if mod(i,3)=0 then grupo1=3; grupo2=rand("binomial",0.05,5); normal=rand("normal"); uniforme=rand("uniform")*1000; if grupo1=1 then uniforme=.; poisson=ranpoi(34,25); output; end; run; proc means data=aleatorio mean std; class grupo1 grupo2; var normal; quit;
Mediante un bucle generamos un dataset con datos aleatorios sobre el que realizamos un procedimiento MEANS. Como estadstico queremos la media y la desviacin tpica (mean y std). Los grupos que clasifican el informe los marcan las variables grupo1 y grupo2, la nica variable a analizar es la que representa una variable aleatoria con distribucin normal 0-1. El resultado en la ventana output es:
Introduccin a SAS |
Obtenemos un informe con la estructura que hemos especificado. Podemos mejorar nuestras salidas obteniendo resultados en formato HTML. Para ello tendremos que cambiar las preferencias:
Si desmarcamos los resultados por listado y marcamos los resultados por HTML obtendremos salidas en formato web, para modificar el estilo podemos usar el combo destinado a tal efecto donde SAS ofrece muchas posibilidades, en el presente manual se emplear
Introduccin a SAS |
fundamentalmente el estilo MINIMAL. Por otro lado para generar conjuntos de datos SAS con los procedimientos trabajaremos con la instruccin OUTPUT:
proc means data=aleatorio noprint; class grupo1 grupo2; var uniforme; output out=analis sum=suma; quit; proc print data=analis; run;
El dataset generado tiene 15 observaciones, no genera salida porque hemos empleado la opcin NOPRINT. Pero generamos el dataset analisis:
Total Un solo grupo
Cruce de los 2 grupos
En total el dataset generado tiene 15 observaciones: 1 el total (TYPE=0) + 3 para los niveles del grupo2 (TYPE=1) + 3 para los niveles del grupo1 (TYPE=2) + 3x3 por el cruce los niveles de los grupos 1 y 2. Tenemos 5 variables, las variables clasificatorias, los tipos, la frecuencia de las observaciones y el campo suma especificado en OUTPUT. Muy importante: MEANS no tiene en cuenta las observaciones con valores missing y por ello siempre obtendremos valores perdidos cuando operemos con ellos. Nuestro conjunto de datos requiere un tratamiento previo. Para generar conjuntos de datos SAS nuestros procedimientos MEANS/SUMMARY habitualmente tendrn una estructura parecida a este ejemplo en el que pretendemos hallar la diferencia entre lo observado con la variable poisson respecto de la media por grupos:
proc sort data=aleatorio; by grupo1 grupo2; run; proc means data=aleatorio noprint nway; by grupo1 grupo2; var poisson; output out=analis (drop=_type_ _freq_) mean=media_poisson; quit; data aleatorio; merge aleatorio analis; by grupo1 grupo2; dif_medias = poisson/media_poisson - 1;
run;
Las opciones NOPRINT y NWAY sern fundamentales puesto que NOPRINT nos evita una salida innecesaria y NWAY se queda con el mximo valor de _TYPE_ que es el que nos interesa, el cruce del total de las variables. Habitualmente para la creacin de datasets con informacin sumarizada emplearemos SUMMARY ya que este procedimiento, a diferencia de MEANS, no nos ofrece un output por pantalla si no que necesitaremos una sentencia OUTPUT. Estudiemos otro ejemplo para seguir descubriendo las posibilidades de sumarizacin:
proc summary data=aleatorio missing nway; class grupo1 grupo2; var i normal uniforme; output out=sumarizados n(i)= sum(normal uniforme)= mean(poisson)=media_poisson; quit;
Como comprobamos no es necesaria la opcin NOPRINT en el procedimiento SUMMARY. Adems podemos comprobar que en una misma sentencia output podemos obtener diferentes estadsticos con la estructura <estadstico>(<variable>)=<nombre_variable (opcional)>. En vista de las posibilidades de ambos procedimientos como regla de buen uso se puede establecer que: emplearemos MEANS cuando necesitemos una salida por pantalla y emplearemos SUMMARY cuando necesitemos generar un conjunto de datos SAS con informacin sumarizada de otro.
7.4 PROC FREQ

Las tablas de frecuencias son una de las labores ms habituales en el anlisis de la informacin. En SAS para la creacin de tablas de contingencia con informacin sumarizada contamos con el procedimiento FREQ. La sintaxis de este procedimiento es: PROC FREQ DATA=<dataset> <opciones>; BY <DESCENDING> variable-1 <...<DESCENDING> variable-n> <NOTSORTED>; EXACT <estadsticos> </ option(s)>; TEST <estadsticos> ; OUTPUT <estadsticos> OUT=<dataset>; TABLES <variable (requerido)> </opciones>; WEIGHT <variable></opciones>; QUIT; Muchas de las instrucciones que crean las sentencias que componen este procedimiento son anlogas para procedimientos vistos con anterioridad. De las instrucciones nuevas tenemos EXACT empleada para los test de exactitud, TEST es empleada para los test de medida. TABLES es una instruccin necesaria para la correcta ejecucin de FREQ y en ella indicaremos la/s variables que participan en nuestra tabla que siempre ser de doble entrada. Para tablas de una entrada pondremos TABLES <variable-1> para doble entrada TABLES <variable-1>*<variable-2> conde <variable-1> ir en filas y <variable-2> en columnas; si escribimos TABLES <variable-1>*<variable-2>*<variable-3> obtendremos tantas variables de doble entrada como posibles valores tome <variable-3>. Comencemos a trabajar con ejemplos:
Introduccin a SAS |
data curso.datos; input COD :$10. ORG INICIO DEUDA; cards; 7212 1 200201 0 10194 1 200203 1 48442 1 200203 0 51756 1 200203 0 56495 1 200201 0 1011535 2 200202 0 1015550 2 200203 0 1019022 2 200203 0 1020732 2 200204 0 1023232 2 200203 0 1024731 2 200201 0 1025964 2 200210 0 1029595 2 200201 0 1030039 3 200201 0 1030368 3 200202 1 1031338 3 200202 0 1033218 3 200204 0 1034843 3 200203 0 1036047 3 200203 0 1040450 3 200203 0 1044481 3 200204 0 1032772 3 200204 0 ;run; proc freq data=curso.datos order=freq; title "Frecuencias por mes de inicio"; tables inicio; title "Frecuencias por organizacin y deuda"; tables org*deuda; quit;
Obtenemos 2 tablas que irn ordenadas por la frecuencia:
Introduccin a SAS |
Estas son las tablas (simple y de doble entrada) que por defecto podemos obtener con el procedimiento FREQ. Para el clculo del test de la Ji-cuadrado empleamos la opcin CHISQ:
proc freq data=curso.datos order=freq; title "Frecuencias por organizacin y deuda"; tables org*deuda/chisq norow nocol; quit;
Si deseamos guardar los resultados obtenidos tras la realizacin de un procedimiento FREQ:
proc freq data=curso.datos order=freq noprint; tables org*deuda/ out=frecuencias; quit; proc freq data=curso.datos order=freq noprint; tables org*deuda/chisq; output out=test_chi pchi lrchi n nmiss; quit;
Con el primero de los ejemplos almacenamos en el dataset frecuencias la tabla de contingencia resultante de cruzar org con deuda. En el segundo ejemplo almacenamos en test_chi el resultado del test de la Ji-cuadrado resultante.
7.5 PROC DATASETS

El PROC DATASETS sirve para administrar conjuntos de datos SAS. Entre las tareas de administracin ms comunes destacan: Copiar y pegar conjuntos de datos Renombrar, reparar y borrar conjuntos de datos Listar las tablas de una librera Listar los atributos de las tablas Crear o borrar ndices en tablas Concatenar dos conjuntos de datos SAS ...
Introduccin a SAS |
La sintaxis de este procedimiento ser: PROC DATASETS <opciones (*)>; APPEND BASE=<dataset> DATA=<dataset> <FORCE>; CHANGE antiguo_nombre1=nuevo_nombre2 ... antiguo_nombren=nuevo_nombren CONTENTS<opciones>; COPY OUT=libreria_2 ; DELETE <datasets>; MODIFY <datasets> <opciones> INDEX CREATE <especificaciones de ndices> INDEX DELETE ndices | _ALL_; INFORMAT variable1 <informat1> <...variablen <informatn>>; LABEL variable1 <informat1> <...variablen <informatn>>; RENAME antiguo_nombre1=nuevo_nombre2 ... antiguo_nombren=nuevo_nombren
QUIT;
(*)->Entre las opciones de este procedimiento destacan: LIBRARY para especificar la librera de trabajo. NODETAILS para evitar la salida en output, NOLIST para evitar informacin del directorio KILL para eliminar datasets. Con la instruccin APPEND concatenamos datasets (igual que si empleamos SET en un paso DATA), hemos de especificar la tabla BASE y la tabla que se anexa (DATA). Con CHANGE modificamos los nombres de datasets de la librera que indicamos con LIBRARY en las opciones. Con CONTENS listamos el contenido de la librera. Con DELETE eliminamos datasets de una librera. Con MODIFY modificamos los atributos de un dataset. Las modificaciones pueden ser: INDEX CREATE para crear ndices compuestos y sencillos en una tabla SAS. INDEX DELETE para eliminar ndices en las tablas SAS. INFORMAT para modificar el formato de lectura de las variables. LABEL para modificar las etiquetas de las variables RENAME para renombrar las variables
Simulemos una librera de ejemplo:
libname temp "C:\temp"; data temp.polizas1; do indice = 1 to 2000; poliza=compress("POL"||put(indice,z5.)); prima=ranuni(45)*1000; output; end; data temp.polizas2; do indice = 2001 to 3000; poliza=compress("POL"||put(indice,z5.)); prima=ranuni(45)*1000;
output; end; data temp.siniestros; drop j; do indice=1 to 3000; do j=1 to 3000; if ranuni(25)<0.00005 then do; poliza=compress("POL"||put(indice,z5.)); importe=ranuni(8)*2000; output; end; end; end; run;
Mostremos su contenido:
title "Contenido de temp"; proc datasets lib=temp; quit;
Anexemos el dataset polizas1 y polizas2:
proc datasets lib=temp nodetails nolist; append base=polizas1 data=polizas2; quit;
Modifiquemos los atributos de las variables de polizas1:
proc datasets lib=temp nodetails nolist; modify polizas1; rename poliza=pol prima=pr; label pol="Pliza contratada"; quit;
Introduccin a SAS |
7.6 PROC IMPORT/EXPORT

En el capitulo 5.1.2 Lectura de ficheros de texto vimos como importar ficheros planos a conjuntos de datos SAS con el asistente que, al final, generaba un cdigo SAS, un paso DATA que nos permita modificar los atributos de las variables ledas. Otra forma de importar datos es el procedimiento IMPORT. La sintaxis es: DATAFILE="filename" | TABLE="tablename" OUT=<dataset> <opciones> <DBMS=identificador>; <cdigo especfico> ; QUIT; En DATAFILE indicamos el fichero a leer, bien sea una hoja Excel, una tabla Access o un fichero delimitado. Importante: Tanto la importacin de ficheros de Excel como tablas Acces implica tener licenciado el mdulo SAS ACCESS TO PC FILES. Con la instruccin TABLE indicamos el nombre de la tabla de BBDD a leer si es necesario. En OUT indicamos el dataset que pretendemos generar. La sintaxis para el procedimiento EXPORT es anloga: PROC EXPORT DATA=<dataset> <opciones> OUTFILE="filename" | OUTTABLE="tablename" DBMS=<identificador> <REPLACE>; <cdigo especfico>; QUIT; En DATA indicamos el dataset a exportar y en OUTFILE indicamos el fichero a generar, si fuera una BBDD ACCESS necesitamos el nombre de la tabla con la opcin OUTTABLE=. Una instruccin anloga para los dos procedimientos es DBMS= con ella sealamos el tipo de fichero que leemos/escribimos, los tipos ms habituales son pueden ser:
DBMS= ACCESS ACCESS97 ACCESS2000 ACCESS2002 CSV DLM EXCEL EXCEL4 EXCEL5 EXCEL97 EXCEL2000 EXCEL2002 TAB
Identificador Microsoft Access 2000 or 2002 table Microsoft Access 97 table Microsoft Access 2000 table Microsoft Access 2002 table delimited file (comma-separated values) delimited file (default delimiter is a blank) Excel 2000 or 2002 spreadsheet Excel 4.0 spreadsheet Excel 5.0 or 7.0 (95) spreadsheet Excel 97 or 7.0 (95) spreadsheet Excel 2000 spreadsheet Excel 2002 spreadsheet delimited file (tab-delimited values)
Extensin SAS BASE .mdb .mdb .mdb .mdb .csv x .* x .xls .xls .xls .xls .xls .xls .txt x
Introduccin a SAS |
Para la utilizacin de cdigos con los procedimientos IMPORT/EXPORT es recomendable emplear el asistente. Si recordamos el captulo 5.1.2 en un paso del asistente tenamos la siguiente ventana:
En este punto podemos indicarle SAS donde queremos que nos genere el cdigo SAS y posteriormente emplearlo en nuestro programa. El cdigo generado por el asistente para exportar una tabla SAS a un fichero de Excel sera:
PROC EXPORT DATA= TEMP.Siniestros OUTFILE= "C:\temp\fichero_siniestros.xls" DBMS=EXCEL2000 REPLACE; SHEET="tabla"; RUN; Si deseamos importar este mismo fichero: PROC IMPORT OUT= WORK.siniestros2 DATAFILE= "C:\temp\fichero_siniestros.xls" DBMS=EXCEL2000 REPLACE; SHEET="tabla"; GETNAMES=YES; RUN;
7.7 PROC TRANSPOSE

El TRANSPOSE lo emplearemos para transponer tablas SAS. Es habitual que dispongamos de tablas con mltiples registros para un campo clave. Por ejemplo informacin ao a ao para un cliente:
Cliente A001 A001 A001 A001 A002 A002 A002 A002
Ao Importe 2004 100 2005 110 2006 121 2007 133,1 2004 125 2005 143,75 2006 158,125 2007 173,9375
Cliente importe2004 importe2005 importe2006 importe2007 A001 100 110 121 133,1 A002 125 143,75 158,125 173,9375
Para esta tarea disponemos del PROC TRANSPOSE cuya sintaxis es: PROC TRANSPOSE DATA=<dataset> OUT=<dataset> <PREFIX=prefix>; BY <DESCENDING> variable-1 <...<DESCENDING> variable-n> ; COPY variable; ID variable; 2007 Ral Vaquerizo r_vaquerizo@yahoo.es Introduccin a SAS |
VAR variable(s); QUIT; Especificamos dataset de entrada y salida, con PREFIX= prefijamos los nombres de la variables a transponer. En BY tenemos la variable agrupadora. Con COPY copiamos directamente una variable en el dataset de salida. En ID marcamos el campo que nos identifica las nuevas variables a transponer, variables que irn en VAR. Como ejemplo tenemos:
data clientes; input Cliente $5.Anio Importe; segmento=substr(cliente,1,1); cards; A001 2004 100 A001 2005 110 A001 2006 121 A001 2007 133.1 A002 2004 125 A002 2005 143.75 A002 2006 158.125 A002 2007 173.937 B003 2004 300 B003 2005 345 B003 2006 379.5 B003 2007 417.45 B004 2004 250 B004 2005 287.5 B004 2006 316.25 B004 2007 347.875 ; run; proc sort data=clientes; by cliente; run; proc transpose data=clientes out=tclientes prefix=importe; by cliente; id anio; quit;
La transposicin queda:
Introduccin a SAS |
Por defecto TRANSPOSE pone el nombre de la anterior variable que podemos eliminar con DROP= como opcin de escritura:
proc transpose data=clientes out=tclientes (drop=_name_) prefix=importe; by cliente; id anio; quit;
7.8 PROC UNIVARIATE

El UNIVARIATE es un procedimiento de SAS que nos permite conocer la distribucin de una variable, para ello nos ofrece mtodos y medidas estadsticas y una serie de grficos de alta resolucin. La sintaxis de este procedimiento es: PROC UNIVARIATE <option(s)>; BY <DESCENDING> variable-1 <... <DESCENDING> variable-n; CLASS variable(s) </opciones>; FREQ variable; ID variable(s); OUTPUT OUT=<dataset> <estadistico(s)=> </opciones> ; HISTOGRAM <variable(s)> </ opciones >; PROBPLOT <variable(s)> </ opciones >; QQPLOT <variable(s)> </ opciones >; INSET <opciones>; VAR variable(s); WEIGHT variable; QUIT; El funcionamiento de by, CLASS, FREQ, ID, OUTPUT, VAR y WEIGHT es anlogo a lo visto en los procedimientos anteriores. Como instrucciones novedosas tenemos HISTOGRAM que nos permite generar histogramas, PROBPLOT nos ofrece grficos de funciones de probabilidad y QQPLOT crea grficos de cualtil-cuantil. INSET aade elementos a nuestras salidas o conjuntos de datos SAS. Comencemos a trabajar con este procedimiento y analicemos las salidas que nos ofrece por defecto:
/*DATASET ALEATORIO PARA EL ESTUDIO DE DISTRIBUCIONES*/ data aleatorio; do i=1 to 200; grupo1=1; if mod(i,2)=0 then grupo1=2; if mod(i,3)=0 then grupo1=3; grupo2=rand("binomial",0.05,5); normal=rand("normal"); uniforme=rand("uniform")*1000; if grupo1=1 then uniforme=.; poisson=ranpoi(34,25); output; end; run; proc univariate data=aleatorio; var uniforme; quit;
Introduccin a SAS |
En el navegador de resultados tenemos:
Podemos navegar por todos los resultados de la ejecucin del procedimiento. En el output tenemos:
Introduccin a SAS |
UNIVARIATE nos ofrece cuadros con medidas estadsticas bsicas de posicin, dispersin y asimetra. Test de posicin para la media = 0 y los cuantiles de la variable en estudio. Aade un cuadro para el estudio de los valores extremos y los valores ausentes (si los hubiera). Esta informacin nos permite conocer la distribucin que tiene una variable, pero adems contamos con posibilidades grficas para mejorar nuestros estudios:
Introduccin a SAS |
proc univariate data=aleatorio; title "Estudio de la variable Poisson aleatoria"; var poisson; histogram poisson/ normal(noprint) cbarline=red midpoints=10 to 40 by 5; quit;
Adems de todas las tablas anteriores para la variable poisson SAS nos ofrecer un histograma con la distribucin de la variable con determinadas opciones que pueden resultarnos muy interesantes.Con NORMAL SAS nos dibujar la lnea de la distribucin normal, con NOPRINT evitamos obtener todos los test de distribucin. La opcin CBARLINE nos permite dar un color las barras de nuestro histograma,por ltimo con MIDPOINTS especificamos el acho de rango del histograma. El grfico obtenido es:
A la vista de este grfico podemos concluir que 200 valores aleatorios de una variable con distribucin de Poisson convergen en una distribucin normal. Para un mejor estudio de la variable podemos emplear los grficos cualtil-cuantil:
proc univariate data=aleatorio; title "Poisson aleatoria converge a normal"; var poisson; qqplot poisson/ normal(mu=est sigma=est) cframe=grey; inset mean var / cfill=red header='Param. dist. normal' position=(95,10) refpoint=br; quit;
Realizamos un grfico cuantil-cuantil en el que comparamos con una funcin normal, queremos que la superficie del grfico sea gris. Adems con INSET le aadimos al grfico la media y la varianza en un cuadro en el que determinamos la posicin y la cabecera. El resultado obtenido es:
Introduccin a SAS |
Tenemos otra potente herramienta para analizar las distribuciones de las variables. El funcionamiento de la instruccin PROBPLOT es muy similar:
proc univariate data=aleatorio; title "Poisson aleatoria no sigue dist. Gamma"; var poisson; probplot poisson/ gamma(alpha=est); quit;
Introduccin a SAS |
Otra opcin grfica interesante del PROC UNIVARIATE es la posibilidad de obtener ms de un grfico en una salida, por ejemplo si deseamos realizar un histograma de la variable poisson por grupo:
proc univariate data=aleatorio; title "Poisson por grupo"; class grupo1 grupo2; var poisson; histogram poisson/ nrows=3 ncol=3 normal(noprint) cbarline=red midpoints=10 to 40 by 5 vaxislabel="Grupo 1" ; quit;
Con las opciones NROWS y NCOLS especificamos el nmero de grficos que deseamos en nuestra salida, en este caso 3 x 3. Si deseamos guardar resultados con el proc univariate emplearemos la instruccin OUTPUT como en otros procedimientos antes estudiados, un ejemplo de sintaxis es:
proc univariate data=aleatorio; class grupo1 grupo2; var poisson; output out=salida median=mediana p5=percent_5 p95=percent_95; quit;
Muy similar a los procedimientos SUMMARY/MEANS pero con la posibilidad de guardar los percentiles, adems podemos especificar un rango de percentiles a volcar en el conjunto de datos SAS:
Introduccin a SAS |
proc univariate data=aleatorio; class grupo1 grupo2; var poisson; output out=salida pctlpre=salida pctlpts=0 to 100 by 1; quit;
Con la opcin PCTLPRE marcamos el dataset al que queremos aadir los percentiles, con la ocin PCTLPTS especificamos que percentiles deseamos, en este caso del 0 al 100 de uno en uno, si vemos el log:
Hemos generado un dataset salida con 103 variables, grupo1, grupo2 y 101 percentiles de la variable poisson del 0 al 100.
Introduccin a SAS |
Introduccin a SAS |
8. PROC SQL
Este procedimiento implementa el lenguaje SQL en SAS. Con este procedimiento podremos: Seleccionar o sumarizar columnas de tablas SAS y presentarla en la ventana output. Crear o manipular datos SAS: o Sumarizar o Cruzar o Modificar Conectarnos a otros sistemas de informacin (database management system: DBMS) y tranformar esta informacin en datos SAS.
SAS SQL DBMS DBMS

La sintaxis es: PROC SQL <opciones>; ALTER TABLE tabla <ADD <CONSTRAINT> clave <ADD columna> <DROP CONSTRAINT clave> <DROP columna> <MODIFY columna> ; CREATE <UNIQUE> INDEX ndice ON tabla ( columna1,,columnaN); CREATE TABLE tabla (especificaciones de columnas|clave) ; CREATE TABLE tabla1 LIKE tabla2; CREATE TABLE tabla AS consulta <ORDER BY campo1,..,campoN>; CREATE VIEW vista AS consulta <ORDER BY campo1,..,campoN>; DESCRIBE TABLEt tabla ; DESCRIBE VIEW vista; DROP INDEX ndice1,,ndiceN FROM tabla; DROP TABLE tabla1,,tablaN; DROP VIEW tabla1,,tablaN; SELECT <DISTINCT> columnas FROM tabla <WHERE condicin(es)> <GROUP BY variable_agrupadora1,,variable_agrupadoraN <HAVING condicin(es)> <ORDER BY columna1,,caolumnaN; UPDATE tabla <AS alias> SET column=expresin SQL <SET column=expresin SQL <WHERE expresin SQL >; VALIDATE expresin SQL; QUIT;
SAS
Introduccin a SAS |
ALTER TABLE lo emplearemos para el trabajo con campos de tablas CREATE INDEX nos crea ndices simples y compuestos en nuestras tablas CREATE TABLE crea tablas CREATE VIEW crea vistas DELETE borra filas DESCRIBE describe DROP elimina tablas o ndices SELECT selecciona UPDATE actualiza VALIDATE valida las consultas
Como vemos las posibilidades del PROC SQL son muy extensas ya que abarca todas las tareas que se pueden realizar con el lenguaje SQL. Importante: el lenguaje SQL de SAS no es estndar tiene algunas particularidades que le distinguen de SQL. En el presente manual nos centraremos en ejemplos de cdigo para consultas de seleccin y ejemplos de cruces de tablas a travs de SQL.
8.1 Consultas de seleccin

La base de las consultas de seleccin ser la instruccin SELECT cuya sintaxis en SAS se puede resumir en: PRC SQL; SELECT <DISTINCT> campo1,,campoN FROM tabla1,,tablaN <WHERE condiciones> <GROUP BY campo_agrupador1,,campo_agrupador2> <HAVING condiciones> <ORDER BY campo1,,campoN>; QUIT; Como vemos campos y tablas se separan con , pero hay una serie de palabras clave que marcan el final de un bloque de instrucciones y el comienzo de otro. Todas las consultas finalizarn con ; Podremos realizar selecciones de campos de una tabla bajo unas condiciones y tambin podremos sumarizar campos agrupados por otros de una tabla con sus condiciones correspondientes. Para comprender mejor la estructura del PROC SQL vamos a dividir las consultas en bloques de cdigo.
8.1.1 Bloques que componen una consulta Recuperando ejemplos anteriores en los que generbamos un conjunto de datos SAS aleatorio con variables cualitativas (agrupadas) y cuantitativas comenzamos a trabajar con consultas de seleccin para conocer mejor la estructura del PROC SQL:
data aleatorio; do i=1 to 200; grupo1=1; if mod(i,2)=0 then grupo1=2; if mod(i,3)=0 then grupo1=3; grupo2=rand("binomial",0.05,5); normal=rand("normal"); uniforme=rand("uniform")*1000; if grupo1=1 then uniforme=.; poisson=ranpoi(34,25); output; end; run;
Introduccin a SAS |
/*CONSULTA DE SELECCION*/ proc sql; select /*BLOQUE DE SELECCION DE CAMPOS*/ grupo1, grupo2, poisson /*BLOQUE FROM DONDE ELEGIMOS LA TABLA*/ from aleatorio /*BLOQUE WHERE PARA ESTABLECER LAS CONDICIONES*/ where i<10 and poisson<30; quit;
El cdigo SAS SQL se puede dividir en distintos bloques, el inicio y el fin de cada bloque lo marcarn determinadas palabras clave. En el ejemplo tenemos un bloque de seleccin de campos que comienza con SELECT, un bloque donde especificamos la tabla a leer que comienza con FROM y un bloque donde establecemos las condiciones de lectura que marca la palabra WHERE. Tanto SELECT como FROM son sentencias obligatorias para las consultas de seleccin. En el siguiente cdigo de ejemplo vamos a realizar una consulta de seleccin con informacin agrupada:
/*CONSULTA DE SELECCION CON DATOS AGRUPADOS*/ proc sql; title "Ejemplo de consulta de sumarizacin"; select /*BLOQUE DE SELECCION DE CAMPOS*/ grupo1, grupo2, count(i) as observaciones, mean(poisson) as media_poisson /*BLOQUE FROM DONDE ELEGIMOS LA TABLA*/ from aleatorio /*BLOQUE WHERE PARA ESTABLECER LAS CONDICIONES*/ where poisson<50 /*BLOQUE DE AGRUPACION*/ group by grupo1, grupo2 /*BLOQUE DE ORDENACION*/ order by calculated observaciones; quit;
Nuestra consulta selecciona 4 campos de nuestra tabla: grupo1, grupo2, cuenta de i a la que asignamos con AS el alias observaciones y media de poisson cuyo alias ser media_poisson. La instruccin AS siempre asigna un alias a los campos del bloque de la seleccin. Estos dos ltimos campos son sumarizaciones sobre los dos primeros. Para realizar conteos emplearemos COUNT(<variable>) y para el clculo de la media la funcin MEAN (<variable>). La tabla de la que seleccionamos ser aleatorio, en WHERE filtramos slo las observaciones con un valor para poisson menor de 50 y aadimos un nuevo bloque a nuestra consulta en el que especificamos las variables de agrupacin, estos bloques de agrupacin siempre comenzarn con la instruccin GROUP BY. La instruccin ORDER BY marcar el comienzo de los bloques de ordenacin. Como particularidad indicar que si necesitamos referenciar variables calculadas en nuestra seleccin, en nuestro ejemplo queremos ordenar la consulta por el nmero de observaciones, tendremos que emplear la instruccin calculated. El resultado obtenido ser:
Introduccin a SAS |
3 valores de grupo1 x 3 valores de grupo2 dan como resultado 9 registros con 2 variables sumarizadas observaciones (que adems ordenar la seleccin) y media_poisson. En el ejemplo hemos empleado las funciones de sumarizacin COUNT y MEAN pero contamos con ms funciones, las ms habituales sern:
proc sql; title "Funciones habituales de sumarizacin"; select grupo1, grupo2, count(poisson) as cuenta_poisson, count(distinct poisson) as cuenta_dist_poisson, max(poisson) as max_poisson, min(poisson) as min_poisson, mean(poisson) as media_poisson, std(poisson) as desviacion_poisson, sum(poisson) as suma_poisson from aleatorio group by grupo1, grupo2; quit;
Con la funcin COUNT contamos registros, si empleamos COUNT(DISTINCT <variable>) contamos los valores distintos para la variable. El resto de funciones son anlogas a las empleadas en un procedimiento MEANS. Para este ejemplo no hemos empleado el bloque de ordenacin por lo que el orden vendr marcado por el bloque de agrupacin, es decir, GROUP BY marca el orden ascendente.
Introduccin a SAS |
Podemos anidar funciones de sumarizacin con funciones aritmticas dentro de una misma columna, si, por ejemplo, deseamos realizar una media ponderada deberemos sumar el producto del valor y el peso y dividir por el peso:
proc sql; title "Media ponderada por normal, en casos positivos"; select grupo1, grupo2, sum(poisson*normal)/sum(normal) as media_ponderada from aleatorio where normal > 0 group by grupo1,grupo2; quit;
El mismo campo con alias media_ponderada viene de la sumarizacin de una operacin aritmtica entre la sumarizacin de una normal, con selecciones de este tipo podemos calcular la media ponderada. 8.1.2 Campos de seleccin condicionales (CASE) Dentro del bloque de seleccin de columnas podemos crear campos condicionales con la instruccin CASE. En el ejemplo con el que venimos trabajando si deseamos agrupar ms una de las variables grupo podemos emplear una sentencia condicional:
proc sql; title "Ejemplo de uso de CASE"; select grupo1, case when grupo2<=1 then "tipo 0-1" else "tipo 2" end as nuevo_grupo2, sum(distinct poisson) as suma_distintas_poisson from aleatorio group by 1,2; quit;
Observemos la sintaxis de CASE: CASE WHEN condicin1 THEN valor1 ... WHEN condicinN THEN valorN ELSE valorN+1 END Con CASE indicamos el inicio de la sentencia condicional. Cada condicin ir marcado con WHEN, en el ltimo caso emplearemos ELSE y es necesario marcar el final de la condicin con END. En este ejemplo estamos reagrupando dos valores de una variable. Tambin tenemos ms particularidades importantes en esta consulta: SUM(DISTINCT <variable>) nos permite sumar distintos valores, DISTINCT se puede emplear para todas las funciones y por 2007 Ral Vaquerizo r_vaquerizo@yahoo.es Introduccin a SAS |
otro lado en el bloque de agrupacin tenemos sustituidos los valores de las variables por la posicin que ocupan dentro del bloque de seleccin; esto nos ser de gran utilidad para mejorar nuestros cdigos. De nuevo reiterar que sin bloque de ordenacin el bloque de agrupacin nos marca el orden. En las sentencias condicionales podemos emplear tanto variables agrupadoras como variables continuas o la combinacin de ambos tipos de variables. De este modo si deseamos crear un grupo que sea la combinacin de ambas variables de agrupacin y otro grupo que vaya en funcin de una variable continua que toma valores positivos y negativos podemos hacer:
proc sql; title "Ejemplo de uso de CASE"; select /*CONDICIONALES NUMERICAS*/ case when normal<0 then "NEGATIVA" else "POSITIVA" end as signo_normal, /*MEZCLA DE CONDICIONALES*/ case when poisson>30 then "TIPO x-30" when grupo1<=2 then "TIPO 2-30" else "TIPO 3-x" end as nuevo_grupo, min(poisson) as min_poisson, max(poisson) as max_poisson, sum(uniforme) as suma_uniforme from aleatorio group by calculated signo_normal, calculated nuevo_grupo;
quit;
En este ejemplo hemos planteado distintas formas de crear sentencias condicionales. Adems en este ejemplo se aprecia como CASE genera grupos excluyentes en funcin del orden en el que pongamos las condiciones, analicemos la segunda sentencia CASE para comprender el funcionamiento:
/*MEZCLA DE CONDICIONALES*/ case when poisson>30 then "TIPO x-30"

A todos los que tengan un valor mayor que 30 para la variable poisson los asigna el tipo x30.
when grupo1<=2 then "TIPO 2-30"
En otro caso, a todos los que tengan un valor inferior a 2 para grupo1 y adems tengan un valor menor de 30 para poisson entonces el tipo es tipo 2-30.
Introduccin a SAS |
else "TIPO 3-x" end as nuevo_grupo,

Si no se cumple nada de lo anterior entonces el valor es tipo 3-x. Las condiciones son excluyentes hacia abajo. Si una observacin ya ha entrado a un valor ste no se modifica. Otra particularidad de nuestro ejemplo la tenemos en la sentencia GROUP BY donde, en este caso, no hemos puesto el orden de las variables agrupadoras, por lo que nuestro cdigo ha necesitado de la clusula CALCULATED para indicar que estamos ante variables calculadas en nuestra consulta de seleccin.
8.1.3 Uso de sentencias lgicas y condicionales Internamente SAS traduce sentencias lgicas en un valor 0 (falso) o 1 (verdadero). Estos valores son numricos por lo que se puede trabajar con ellos:
data _null_; y=0; do i = 1 to 100; x=rannor(2)>0; y=y+x; end; put "Nmero de positivos en 100 aleatorios de distribucin uniforme: " y; run;
Podemos tanto agrupar como sumarizar campos condicionales mediante SQL ya que al final estamos trabajando con valores 0-1. Veamos un ejemplo de este tipo de consultas:
proc sql; title "Ejemplo de uso de instrucciones condicionales"; select grupo1, normal>0 as normal_positiva, sum(poisson>30) as poisson_mayor_30, sum(uniforme is not null) as uniformes_no_nulas, count(*) as observaciones from aleatorio group by grupo1, calculated normal_positiva; quit;
Las variables de agrupacin sern grupo1 y 1 si la normal es positiva y 0 si es negativa ser el campo con el alias normal_positiva. Como variables de sumarizacin tendremos la suma de los valores de la poisson mayores que 30, la suma de los valores de la uniforme que no sean nulos y la cuenta del total de los registros. Esta consulta dar como resultado:
Introduccin a SAS |
Reiteramos que normal_positiva toma valores 0 o 1 y poisson_mayor_30 sumar 1 cada vez que sea verdadera la condicin (poisson>30). El trabajo con este tipo funciones lgicas nos permite trabajar con campos que antes estaban en modo fila (varios registros por valor). Ahora trabajaremos en modo columna (valores por columna). Por ejemplo, si deseamos calcular el porcentaje de valores de poisson mayores que 30 deberemos hacer:
proc sql; title 'Ejemplo de trabajo en "modo columna"'; select grupo1, normal>0 as normal_positiva, count(*) as observaciones, sum(poisson>30)/count(*) as porcent_mayor30 format percent5.2 label='Portentaje mayores 30' from aleatorio group by 1,2; quit;
Vemos que en este ejemplo hemos trabajado con dos sumarizaciones en la misma columna de modo que podemos obtener el un porcentaje como resultado de una operacin aritmtica. Adems es posible modificar los atributos de la variable en el mismo procedimiento SQL, hemos asignado un formato de porcentaje y una etiqueta tras asignarle el alias. Destacar que, para la agrupacin, hemos empleado la nomenclatura posicin en seleccin, el resultado es:
Al igual que podemos sumarizar operaciones lgicas tambin podemos sumarizar sentencias condicionales siempre que manejemos valores numricos. Como siempre, entendamos esta metodologa con un ejemplo:
proc sql; title "Sumarizacin de condiciones"; select

grupo1, /*SUMARIZAMOS UNA CONDICION*/ sum( case when grupo2=0 then 0 when grupo2=1 then poisson when grupo2=2 then poisson*2 else poisson*3 end) as poisson_por_peso from aleatorio group by 1; quit;
Para cada valor de grupo2 le asignamos un valor diferente a poisson y los valores que va tomando los podemos sumarizar. Esta metodologa es muy prctica a la hora de asignar pesos a las observaciones. El resultado queda:
8.2 Consultas de creacin de tablas con PROC SQL

Para crear tablas SAS a partir del PROC SQL slo hemos de aadir un nuevo bloque a nuestras consultas:
/*CONSULTA DE CREACION DE TABLA*/ proc sql; /*BLOQUE DE CREACION DE TABLAS*/ create table seleccion as /*BLOQUE DE SELECCION DE CAMPOS*/ select grupo1, grupo2, count(i) as observaciones, mean(poisson) as media_poisson /*BLOQUE FROM DONDE ELEGIMOS LA TABLA*/ from aleatorio /*BLOQUE WHERE PARA ESTABLECER LAS CONDICIONES*/ where poisson<50 /*BLOQUE DE AGRUPACION*/ group by grupo1, grupo2 /*BLOQUE DE ORDENACION*/ order by calculated observaciones; quit;
A nuestras consultas de seleccin le aadimos la sentencia CREATE TABLE <tabla SAS> AS y ya estaremos creando una nueva tabla, un nuevo conjunto de datos SAS cuyas variables sern las especificadas en el bloque de seleccin y que vendrn de la tabla del bloque de seleccin con las condiciones, las sumarizaciones y las ordenaciones que deseemos. 2007 Ral Vaquerizo r_vaquerizo@yahoo.es Introduccin a SAS |
Tambin podemos crear tablas SAS estableciendo primero la estructura e introduciendo los valores con la instruccin INSERT INTO:
libname temp "c:\temp"; proc sql; create table temp.ejemplo (Id char(4), sexo char(1), codigo char(3), importe num, f_inicio num informat=date7. format=date7., f_fin num informat=date7. format=date7.); insert into temp.ejemplo values('1639','F','TA1',42260,'26JUN07'd,'28JAN08'd) values('1065','M','ME3',38090,'26JAN07'd,'07JAN08'd) values('1400','M','ME1',29769,'05NOV07'd,'16OCT08'd) values('1561','M',null, 36514,'30NOV07'd,'07OCT08'd) values('1221','F','FA3',.,'22SEP07'd,'04OCT08'd); title 'Prefiero un paso DATA'; select * from temp.ejemplo; quit;
Disponiendo de los pasos DATA esta forma de crear tablas SAS no es muy empleada. Habitualmente nuestras tablas sern selecciones de otras tablas SAS, estas selecciones pueden ser de una nica tabla SAS o del cruce de mltiples tablas mediante SQL. Todas las sintaxis analizadas en el captulo anterior pueden generar datasets aadiendo el bloque de creacin de tablas. En este captulo vamos a estudiar algunas de las tareas ms habituales de uso del PROC SQL. Una de las labores ms frecuentes con SQL es la seleccin de distintos valores para ello emplearemos DISTINCT en el bloque de seleccin:
/*CONSULTA DE CREACION DE TABLA*/ proc sql; /*BLOQUE DE CREACION DE TABLAS*/ create table seleccion as /*BLOQUE DE SELECCION DE DISTINTOS CAMPOS*/ select distinct grupo1 format z2. label="Valores de grupo", put(poisson,z5.) as poisson length=5 /*BLOQUE FROM DONDE ELEGIMOS LA TABLA*/ from aleatorio /*BLOQUE WHERE PARA ESTABLECER LAS CONDICIONES*/ where poisson<50 /*BLOQUE DE ORDENACION*/ order by poisson; quit;
Con DISTINCT seleccionamos los distintos registros para los campos seleccionados, con esta instruccin nos garantizamos no tener duplicados. En esta consulta de creacin de tabla tambin podemos analizar como se modifican los atributos de las variables. Podemos asignar formatos, etiquetas y longitudes tras escribir la columna seleccionada y el alias (si fuera necesario). Tanto LABEL como LENGTH necesitan el signo = para funcionar. De nuestro programa tambin destaca el uso de la funcin PUT para transformar poisson en una variable
Introduccin a SAS |
alfanumrica. Importante: En los procedimientos SQL de SAS podemos emplear todas las funciones SAS, no estamos acotados slo a las funciones habituales de SQL:
proc sql; create table funciones as select missing(uniforme) as perdidos_uniforme, input(substr(left(put(uniforme,8.)),1,1),3.) as primera_cifra_uniforme, reverse(put(poisson,3.)) as inversa_poisson, sum(index(put(normal,8.),"1")) as normales_con_1 from aleatorio where abs(normal) > 0.5 group by 1,2,3; quit;
Todas las funciones disponibles en SAS se pueden emplear en los procedimientos SQL. Importante: Siempre que generemos un conjunto de datos SAS es necesario asignarle el alias con AS si no se lo asignamos SAS pondr por defecto los nombres a las variables, estos nombres sern: TEMG001 TEMG00N. Al igual que en un paso DATA podamos emplear opciones de lectura y escritura en el PROC SQL podemos hacer lo mismo. En el ejemplo que estamos manejando, si quisiramos seleccionar todas las variables de aleatorio excepto poisson:
proc sql; create table aleatorio_sin_poisson as select a.* from aleatorio (drop=poisson) as a; quit;
Con las opciones de lectura/escritura nos evitamos tener que escribir todas las variables en el bloque de seleccin. Una particularidad muy importante del ejemplo anterior es el alias de la tabla del bloque FROM. Al igual que asignamos alias a las variables en la seleccin es importante asignar alias a las tablas de las que se leen los datos. La forma de asignar alias a tablas es igual que en campos, <dataset> AS <alias>. Pero en este caso los alias sern internos a la consulta, es decir, no modificamos el nombre ni la estructura del dataset, simplemente lo referenciados dentro de nuestra consulta. Otro elemento destacado del ejemplo anterior es la estructura <alias>.*, se emplea para referirnos a la totalidad de los campos de la tabla. Como vimos en el captulo 5.3 la instruccin WHERE puede funcionar como una opcin de lectura/escritura. Si le empleamos como opcin de escritura obtenemos un elemento muy potente para la realizacin de consultas anidadas de creacin de tablas. Entendamos esta metodologa con un ejemplo:
proc sql; create table maximos as select /*CAMPO DE AGRUPACION*/ poisson, /*SUMARIZAMOS DOS VARIABLES*/ max(int(uniforme)) as max_entera_uniforme, count(*) as observaciones from aleatorio group by 1; quit; data maximos; set maximos; where max_entera_uniforme>500; run;
Introduccin a SAS |
Hacemos una subseleccin de una consulta, pero necesitamos un paso SQL y un paso DATA. Esto se puede hacer en la misma consulta SQL empleando WHERE= como opcin de escritura:
proc sql; create table maximos (where=(max_entera_uniforme>500)) as select poisson, max(int(uniforme)) as max_entera_uniforme, count(*) as observaciones from aleatorio group by 1; quit;
Con esta metodologa tenemos una herramienta muy sencilla y potente para la realizacin de selecciones anidadas con un cdigo bastante sencillo.
8.3 Uniones de tablas

Otra de las operaciones ms habituales con el procedimiento SQL de SAS ser el la unin o el cruce de tablas SAS. Los tipos de uniones sern los mismos que los estudiados en el captulo 6 (uniones de conjuntos de datos SAS): Unin vertical: o Concatenacin: o Intercalacin: Unin horizontal
8.3.1 Uniones verticales En el lenguaje SAS disponemos del paso DATA con SET para hacer uniones verticales, en SQL disponemos de la clusula UNION para realizar consultas de datos anexados. Para conocer la sintaxis vamos a replicar los ejemplos anteriormente empleados para las uniones a travs de pasos DATA. Para el caso de la concatenacin unamos 2 conjuntos de datos con 5 y 3 observaciones con la misma variable, el resultado era un dataset con una nica variable y 8 observaciones:
data uno; input anio ; cards; 2000 2001 2002 2003 2004 ; run; data dos; input anio ; cards; 2005 2006 2007 ; run; proc sql; create table tres as select
quit;
a.* from uno as a union select b.* from dos as b;
proc sql; select * from tres; quit;

Con UNION realizamos la concatenacin de los dos conjuntos de datos SAS:
En principio la sintaxis de un paso DATA es ms sencilla que la empleada con SQL, no es habitual emplear esta metodologa para unir anexar conjuntos de datos SAS. En el ejemplo de intercalacin de conjuntos de datos SAS partamos de dos datasets con 5 observaciones y 2 variables cada uno:
data uno; input anio importe; cards; 2001 345 2000 123 2004 789 2002 456 2003 567 ; run; data dos; input anio importe; cards; 2003 45 2000 23 2001 79 2005 46 2006 67 ; run; proc sql; create table tres as select * from uno union select * from dos order by anio ,importe descending; select * from tres; quit;
Con el PROC SQL las intercalaciones las llevaremos a cabo con UNION y una posterior ordenacin por el campo de intercalacin. En este ejemplo para replicar la salida antes obtenida a travs del paso DATA con SET+by hemos necesitado ordenar tambin descendentemente por la variable importe ya que en este caso el orden de las tablas en la consulta de creacin de tabla no influye en la seleccin:
Introduccin a SAS |
Las uniones verticales con SQL requieren de la utilizacin de UNION en las consultas, se podra establecer una equivalencia al SET del paso DATA. Cabe destacar que podemos unir verticalmente con SQL ms de 2 conjuntos de datos SAS.
8.3.2 Uniones horizontales (joins) Para las uniones horizontales en el PROC SQL tenemos un potente aliado. En el paso DATA disponemos de MERGE para este tipo de uniones. En SQL disponemos de varios tipos de joins: Inner join: Une registros por campos coincidentes. Outer join: Une o no por campos coincidentes. Natural join: Une por campos coincidentes con unas determinadas caractersticas.
Estas 3 herramientas de cdigo son las que emplearemos para la unin de tablas con el PROC SQL. Para conocer mejor su funcionamiento y su sintaxis trabajaremos con el mismo ejemplo y analizaremos los distintos resultados obtenidos. Las tablas de partida para el estudio de estos cruces se crean con los siguientes programas:
data tabla_izquierda; input anio importe1; cards; 2001 345 2000 123 2004 789 2002 456 2003 567 ; run; data tabla_derecha; input anio importe2; cards; 2003 45 2000 23 2001 79 2005 46 2006 67 ; run; proc sql; title "Tabla select * title "Tabla select * quit; izquierda"; from tabla_izquierda; derecha"; from tabla_derecha;
Introduccin a SAS |
8.3.2.1 Inner join Este tipo de cruce de tablas es la combinacin de todos los registros de una tabla con todos los registros de otra(s), con inner join podemos unir de 2 a n tablas. Su sintaxis no es especial, slo debemos separar en el bloque FROM todas las tablas a cruzar con una (,) y se lleva a cabo la consulta. El ms bsico de este tipo de cruces ser el producto cartesiano de dos tablas, todos por todos:
proc sql; create table cartesiano as select izq.*, der.* from tabla_izquierda as izq, tabla_derecha as der; quit;
El resultado de este cruce de creacin de tabla sern todos los registros de tabla_izquierda por todos los registros de tabla_derecha 5x5=25 registros. El anlisis del log nos ofrece varios comentarios interesantes:
Log nos indica que estamos ante un producto cartesiano. Tambin que la variable anio ya est en nuestra tabla, en este caso hace referencia a anio de la tabla_izquierda, la primera que se introdujo en el bloque de seleccin de la consulta. Como hemos comentado el resultado final son 25 observaciones. Para mejorar los cruces por inner join deberemos jugar con la clusula WHERE. Por ejemplo la interseccin entre ambas tablas sera:
proc sql; select izq.*, der.* from tabla_izquierda as izq, tabla_derecha as der
quit;
where izq.anio = der.anio;
Estos 3 registros son el resultado de la interseccin de ambas tablas. Como se puede comprobar el nico elemento que necesitamos es la igualdad de campos en la clusula WHERE. Al ser una consulta de seleccin no hemos tenido problemas con el nombre de los campos anio. Este tipo de cruces equivale al diagrama antes visto con la unin de tablas a travs del paso DATA:
Con este tipo de uniones podemos realizar comparativas dentro de una misma tabla SAS, as si, por ejemplo, deseamos ver la diferencia entre los importes de distintos aos para la tabla_izquierda realizaramos la siguiente consulta:
proc sql; title "Diferencias desde 2001"; select "Diferencia entre "||compress(put(izq1.anio,4.))||" y " ||compress(put(izq2.anio,4.)) as dif, izq1.importe1 - izq2.importe1 as dif_importes1 from tabla_izquierda as izq1, tabla_izquierda as izq2 where izq1.anio ne izq2.anio and izq1.anio>2001 and izq2.anio>2001; quit;
Introduccin a SAS |
Como vemos este cruce ha realizado un producto cartesiano ms ptimo. Esta metodologa de trabajo puede sernos muy til a la hora de buscar relaciones dentro de una misma tabla. 8.3.2.2 Outer join Este tipo de uniones dan como resultado la combinacin de los registros de dos tablas. Tres son los tipos de outers join: Left join: busca de la derecha los registros de la izquierda Right join: busca de la izquierda los registros de la derecha Full join: todos contra todos La unin por la izquierda, el left join, es una consulta muy prctica para aadir variables a un conjunto de datos SAS. Con anterioridad vimos este esquema:
Con l simbolizbamos como aadimos variables a A de B cuyos registros que coincidan por un campo clave de ambas tablas. Siempre primaba la informacin de la tabla de la izquierda, la sintaxis la estudiamos con el siguiente ejemplo:
proc sql; create table tabla_izquierda_derecha as select a.*, importe2 from tabla_izquierda as a left join tabla_derecha as b on a.anio = b.anio; quit;
En el bloque FROM especificamos las tablas a unir y mediante ON identificamos el campo que realiza nuestra unin. El resultado sern todos los registros de tabla_izquierda a los que habremos aadido el campo importe2 de la tabla_derecha, abriendo la vista del explorador:
Obtenemos los 5 registros de tabla_izquierda y el valor de importe2 para 3 de ellos, los coincidentes por anio con tabla_derecha. La unin por la derecha, el right join, es anlogo al left join, reutilizando el anterior diagrama:
Introduccin a SAS |
A la tabla B le aadimos las variables que coincidan de A. La sintaxis completamente anloga:
proc sql; create table tabla_derecha_izquierda as select b.*, importe1 from tabla_izquierda as a right join tabla_derecha as b on a.anio = b.anio; quit;
A la tabla_derecha le aadimos el campo importe1 de la tabla_izquierda para aquellos registros en los que coincida el campo anio:
En cuanto a la full join realiza una unin del total de registros. La sintaxis es similar pero los resultados son sorprendentes:
proc sql; create table tabla_total as select a.*, b.* from tabla_izquierda as a full join tabla_derecha as b on a.anio = b.anio; quit;
Al existir el campo anio en seleccin (primero seleccionamos todo * de la tabla_izquierda) pero los valores de anio de la tabla_derecha son missing porque los seleccionamos sobre la otra. Para evitar este problema podemos jugar con la instruccin CASE:
proc sql; create table tabla_total as select case when missing(a.anio) then b.anio
quit;
else a.anio end as anio, importe1, importe2 from tabla_izquierda as a full join tabla_derecha as b on a.anio = b.anio;
8.3.3.3 Natural joins La natural join es un tipo de inner join para dos tablas en la que no necesitamos especificar el campo de cruce ya que la propia consulta unir por las variables de las tablas con el mismo nombre y las mismas caractersticas, si no encuentra el campo de unin entonces nos devolver un error. Si deseamos hacer la interseccin de las tablas de nuestro ejemplo:
proc sql; title "Ejemplo de Natural Join"; select * from tabla_izquierda natural join tabla_derecha ; quit; El resultado que devuelve es el mismo que el visto al estudiar las inner joins:
Este tipo de uniones nos pueden ahorrar escribir gran cantidad de cdigo a la hora de cruzar dos tablas.
Introduccin a SAS |

Introduccion A Sas

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Introduccion A Sas

Încărcat de

Drepturi de autor:

Formate disponibile

Introduccin a SAS

Ral Vaquerizo 2007

2007 Ral Vaquerizo r_vaquerizo@yahoo.es

2007 Ral Vaquerizo r_vaquerizo@yahoo.es

1. Componentes del sistema SAS

2007 Ral Vaquerizo r_vaquerizo@yahoo.es

2. Explorar el entorno de SAS

2007 Ral Vaquerizo r_vaquerizo@yahoo.es

2007 Ral Vaquerizo r_vaquerizo@yahoo.es

Las definiciones son, en realidad, los mandatos que ejecutan.

3. Introduccin a los programas SAS

3.1 Crear y ejecutar sentencias SAS

/*PROGRAMA 1*/ data uno; input x $ y; cards; 1 34 2 54 3 78 ; run;

2007 Ral Vaquerizo r_vaquerizo@yahoo.es

3.2 Reglas bsicas de SAS

3.3 Ejecuciones remotas de SAS

2007 Ral Vaquerizo r_vaquerizo@yahoo.es

4.1 Libreras SAS temporales

4.2 Libreras SAS permanentes

libname permanen "C:\SAS_sesiones";

2007 Ral Vaquerizo r_vaquerizo@yahoo.es

5. Conjuntos de datos SAS. El paso DATA

5.1 Leer ficheros de datos con SAS. Creacin de datasets

/*PROGRAMA 1*/ data uno; input x $ y; cards; 1 34 2 54 3 78 ; run;

Paisano Pepe Juan Alberto Lucas

Estatura (cm) 160 178 200 190

Peso (kg) 70 78 120 89

Una forma de introducir esta tabla en SAS sera:

paisano $8. estatura_cm peso_cm; 70 78 200 89

2007 Ral Vaquerizo r_vaquerizo@yahoo.es

La siguiente pantalla es:

El siguiente paso es escribir la ubicacin fsica en la que est el fichero:

2007 Ral Vaquerizo r_vaquerizo@yahoo.es

2007 Ral Vaquerizo r_vaquerizo@yahoo.es

data prueba; set prueba; var_nueva=ranuni(5); run;

data prueba; set prueba; keep ID var_nueva; var_nueva=ranuni(5); run;

data prueba; set prueba; drop dato; var_nueva=ranuni(5); run;

data prueba_mas_05; set prueba; if var_nueva>0.5 ; run;

data prueba_mas_05; set prueba; where var_nueva>0.5 ; run;

2007 Ral Vaquerizo r_vaquerizo@yahoo.es

Smbolo = ^= = ~= > < >= <=

num>5 num<8 sales>=300 sales<=100 num in (3, 4, 5)

Los operadores lgicos son:

Equivalencia AND OR OR OR NOT NOT NOT

Ejemplo (a>b & c>d) (a>b or c>d)

2007 Ral Vaquerizo r_vaquerizo@yahoo.es

Definicin Exponecial Multiplicar Dividir Sumar Restar

Ejemplo a**3 2*y var/5 num+3 sale-discount

2007 Ral Vaquerizo r_vaquerizo@yahoo.es

Longitud Longitud mxima mnima

Longitud por defecto

2007 Ral Vaquerizo r_vaquerizo@yahoo.es

DATE. DATETIME. DDMMYY.

data fechas; set fechas; id="ID-"||id; run;

2007 Ral Vaquerizo r_vaquerizo@yahoo.es

data fechas; attrib id length=$10; set fechas; id="ID-"||id; run;

2007 Ral Vaquerizo r_vaquerizo@yahoo.es

2007 Ral Vaquerizo r_vaquerizo@yahoo.es

Formato DATE. DATETIME. DDMMYY.

Formato $CHARw. $w.

Descripcin Carcter estndar

2007 Ral Vaquerizo r_vaquerizo@yahoo.es

2007 Ral Vaquerizo r_vaquerizo@yahoo.es

/PROGRAMA 1/ data uno; input x $ y; cards; 1 34 2 54 3 78 ; run;

/PROGRAMA 1/ data uno; input x $ y; cards; 1 34 2 54 3 78 ; run;

proc sort data=datos; by provincia; /VARIABLE POR LA CUAL SE ORDENA/ run;

/MEZCLA DE CONDICIONALES/ case when poisson>30 then "TIPO x-30"