第六章 SAS数据集管理

    SORT对数据集中的观测排序。SAS中许多和BY配合使用的语句，如对数据集进行合并和更新等在使用前必须对BY变量进行排序。

6.2.1  语法说明
 

    常用选项说明：

•     DATA=：规定被排序的数据集，默认为最新创建的数据集。
•     OUT=：创建输出数据集，省略该选项时用排序后的数据集替换原数据。
•     EQUALS：保持BY组内的顺序。
•     NOEQUALS：允许BY组内顺序变化。
•     NODUPKEY：删除重复BY值对应的观测。
•     NODUPRECS：删除重复观测值。
•     FORCE：强制实施多余排序。排序并替换原来加索引或取子集的数据集；在没有规定OUT=选项时，在下列情况下应该使用FORCE选项：数据集有索引、使用了OBS=和FIRSTOBS=选项、使用DATA=规定被排序数据集时使用了WHERE选项、PROC SORT中使用了WHERE选项。
•     BY：PROC SORT中必须使用BY语句，BY语句中可以指定一个或多个变量。默认时升序排序。可以使用DESCENDING对变量进行降序排序，但是要注意DESCENDING一定要放在降序变量之前。

6.2.2  实例详解

    例6.6  删除重复BY值。

    程序解读：

    NODUPKEY只取排序变量的每一个BY组的第一条观测值。因此该程序最终返回结果是x=1;y=20和x=2;y=40。上述代码可以用DATA步代码完成：

    如果要返回原数据集a每一个BY组最后一条观测，代码如下：

    如果要返回每一个BY组里面y的最小值，代码如下：

    也可以用DATA步完成：

6.2.3  商业实践

    在商业实践中，最常用的就是两个选项：OUT和NODUPKEY。要注意几点：

•     如果使用了NODUPKEY选项，最好使用OUT＝选项。否则原有数据集会被SORT后NODUPKEY删除掉一部分观测，万一程序开发有误，又要重新生成原来的数据集。而使用OUT＝选项可以保证原来的数据集不变，把NODUPKEY后的产生的观测输出到新的数据集中。
•     如果有多个字符型变量需要SORT，则在SORT之前使用诸如CATT之类的字符拼接函数拼接所有需要SORT的字符变量，并且最好使用OUT＝选项，以提高程序运行效率。

    例6.7  带OUT=选项的删除重复BY值。

    例6.8  有效率的SORT过程。

    可行的代码：

    最没有效率的代码：