SAS学习笔记50 SAS数据集索引

在没有索引的情况下，SAS是一条接一条的扫描观测；有索引时，直接跳到该索引对应的观测所在位置。总结一句话就是：节省时间，节省内存，提高效率

当然并不是任何情况下使用索引都能提高工作效率，因为建立索引本身需要耗费内存，是否使用索引，要视具体情况而定。SAS中的语言优化器会自动判断是否需要使用索引

在实际使用中，出于效率考虑，我们只会为经常在WHERE条件中使用的变量，和用来合并SAS数据集的变量建立索引

建立索引的情况：

• 访问的观测远远小于总体
• 用于BY语句引用已排序的变量

索引分为简单索引【simple index】和复合索引【composite index】，也可以创建临时索引和永久索引（永久索引一但创建创功，就在文件存储地生成一个.sas7bndx的索引文件）

简单索引由单个变量的值组成，字符变量或数值变量都可以。SAS会自动给简单索引命名为跟相应变量一样的名字

复合索引由多个关键变量的值连接而成。复合变量的名字不能与任一已建立的索引重名

一个数据集可以拥有多个简单和复合索引

DATA步创建索引

在建立数据集的同时建立索引

选项UNIQUE：关键变量的取值必须唯一。该选项防止对于关键变量冗余的记录加入到数据集中。

PROC DATASETS步创建索引

为已存在的sas数据集创建索引，执行时间快，因为只读取KEY VALUE

 

index选项中：

NOMISS：从索引中排除所有索引变量缺失值的观测

UNIQUE：指定索引变量或者变量组合必须是唯一的

UPDATECENTILES=ALWAYS|NEVER|integer：指定数据值更新多少时，索引也随之更新，可以是总是更新|从不更新|设定的百分比10（表示10%），默认是5（percent）

PROC SQL创建索引