SAS中的Order By  Proc Sort

SAS中的Order By - Proc Sort

1.排序proc sort
proc sort在按数据集中某一个变量或几个变量的升序或降序将记录重新排列&＃xff0c;并把结果保存在输出数据集中&＃xff0c;如果不另外指定输出数据集&＃xff0c;则覆盖输入数据集。
在data步和proc步某些操作中&＃xff0c;当需要用到by语句时&＃xff0c;一般都需要源数据集按照by语句中的变量事先排序&＃xff0c;这里就需要用到proc sort。

(1)语法格式
PROC SORT  ;
BY  variable-1 <... variable-n>;
proc sort一些常用的选项&＃xff1a;
·数据集选项
data&＃61; 输入数据集&＃xff0c;缺省时使用最近创建的数据集
out&＃61; 输出数据集&＃xff0c;缺省时表示排序后覆盖源数据集
·排序序列选项
sortseq&＃61; 指定排序的序列&＃xff0c;这跟使用的操作系统有关&＃xff0c;Windows/Unix都是ASCII编码&＃xff0c;一般这个选项缺省就行&＃xff1b;也可以直接在proc sort后面加上编码名称。
·修改排序次序的选项
reverse 使用由正常排序序列相反的排序序列对字符变量进行排序&＃xff0c;可以被by语句中的descending选项取代&＃xff0c;reverse只能用于字符变量。
equals|noequals 规定输出数据集中具有相同by变量的那些记录的次序&＃xff0c;equals选项是保持在输入数据集中原来的相对次序&＃xff0c;而noequals选项则没有这一限制。
·删除重复记录的选项
noduprecs 删除重复的记录&＃xff0c;发生在排序后&＃xff0c;将完全相同的记录删除。
nodupkey 删除重复的by变量记录&＃xff0c;发生在排序中&＃xff0c;sort过程读取输入数据集中的记录&＃xff0c;在写入输出数据集时先比较by变量值&＃xff0c;如有重复则部写入输出数据集。这个选项要小心使用&＃xff0c;因为SAS会删除by变量重复的记录&＃xff0c;而不管该记录是不是重复的&＃xff0c;这样就会丢失有效的数据。
·其他选项
datecopy 保留数据集创建或修改的日期&＃xff0c;缺省时排序也会被认为是修改&＃xff0c;上次的修改时间就会被覆盖&＃xff0c;可是有些时候我们并不希望SAS这么做。
force 强制排序&＃xff0c;不管输入数据集是否已经排序或有索引&＃xff0c;都进行重新排序
内存与磁盘优化选项排序在各种语言中是一种基本的算法&＃xff0c;当数据集很大时会占用大量的计算机资源&＃xff0c;这些选项提供算法在这方面的优化。

by语句
缺省情况下&＃xff0c;是按照变量进行升序排列(ascending)&＃xff0c;降序则要显性的用descending指明。
特别的是&＃xff0c;这两个关键字应该写在变量的前面&＃xff0c;而其他语言可能相反&＃xff0c;如SQL将排序关键字放在变量之后。

(2)运行机制
proc sort会先检查输入数据集的排序信息&＃xff0c;特别是sortedby&＃61;选项&＃xff0c;如果输入数据集提示已经按照by变量进行过排序&＃xff0c;或者sort过程检测到数据集中记录的顺序按照by变量本来就是有序的&＃xff0c;则proc sort就会偷懒&＃xff0c;不进行排序&＃xff0c;直接将输入数据集复制到输出数据集中&＃xff1b;另外&＃xff0c;如果输入数据集在by变量上已经创建索引&＃xff0c;则也不进行排序&＃xff0c;因为排序之后会破坏原来的索引。除此之外&＃xff0c;proc sort才会进行排序。
那么&＃xff0c;如果用户要强制sort过程进行排序呢&＃xff1f;那就需要用到force选项了。
(3)实例
对数据集按年龄大小进行排序&＃xff0c;相同年龄的观测仍然按原来的次序。
proc sort data&＃61;age equals;http://www.cda.cn/view/18248.html
    by age;
run;