《SAS编程与数据挖掘商业案例》学习笔记之十七
继续读书笔记，本次重点sas sql语句，因为sql内容多且复杂，本文仅仅介绍商业应用中经常使用的而且easy出错的地方，内容包含：单表操作、多表关联、子查询以及merge和join的差别
1.单表操作
eg1：
Proc sql outobs=10。 *可选项，功能类似于data步中的obs数据集选项
Select
From sashelp.class(where=(height between 50 and 70))
Group by name,calculated sex_tran;
eg2：
proc sql;
create table test1 as
select
id,
max (txn_seq) as txn_seq,
sum (amount) as sum_amt
from chap11.having1
group by id
having calculated sum_amt ge 70
;
quit;
注：having语句出如今group by后面，假设没哟group by语句，系统默认having语句和where语句效果同样
proc sql;
create table test2 as
select
id,
txn_seq,
amount
from chap11.having1
group by id
having txn_seq= max (txn_seq)
;
quit;
注：having语句和group by语句同一时候出现时，select后面不一定须要汇总函数如sum等，上例中。依照每个id取最大的txn_seq
proc sql;
create table test3 as
select
id,
txn_seq,
amount
from chap11.having2
group by id
having txn_seq = max (txn_seq)
;
quit;
having语句和max或min结合使用时，一定要注意having后面的变量在每个id中的唯一性。
2.多表关联
左联接在join变量是一对一的情况下，假设where在表的外面，则where条件是先关联表。后筛选数据，假设where在表中，则是先筛选数据后关联表，and也是先筛选数据后关联表。因而表内写where和表外写and是全然一样的。
下面程序。2和3全然一样，可是1和后面两个不一样
eg：
proc sql;
case
when b.rmb_id eq . then a.id
;
quit;
proc sql;
create table leftjoin2 as
select
case
when b.rmb_id eq . then a.id
else b.rmb_id
end as all_rmb,
a.id,
b.rmb_id,
b.usd_id
from
chap11.left_join_1 as a
left join chap11.left_join_2
(where=(rmb_id le 4)) as b
on a.id=b.usd_id
;
quit;
proc sql;
create table leftjoin3 as
select
case
when b.rmb_id eq . then a.id
else b.rmb_id
end as all_rmb,
a.id,
b.rmb_id,
b.usd_id
from chap11.left_join_1 as a
left join chap11.left_join_2 as b
on a.id=b.usd_id
and rmb_id le 4
;
quit;
3.子查询
in子查询效率比join低非常多，而exist子查询效率更低；
4.merge和sql的比較
在“一对一”和“多对一”的情况下，效果全然同样。可是在“多对多”情况下。则全然不同。
创建測试数据集
|
data a1; input x y @@; cards;
101 1 103 30 104 5 ; run;
|
data a2; input x y @@; cards; 101 10 102 30
103 5 ; run; |
data a3; input x y z1 @@; cards; 101 11 1 102 33 2 102 300 3 104 5 4 ; run; |
data a4; input x y z2 @@; cards; 101 1 5 102 30 6 102 5 7 102 100 8 102 200 9 105 50 10 ; run; |
eg1：求a1和a2的交集
|
sql实现： |
merge实现 |
|
proc sql; select a1.x ,a2.y from a1 join a2 on a1.x=a2.x ; quit; |
proc sort data=a1;by x;run; proc sort data=a2;by x;run; data a12; merge a1(in=ina) a2(in=inb); by x; if ina and inb; proc print;run; |
eg2：用数据集a2来更新数据集a1
|
sql实现： |
merge实现 |
|
proc sql; select a1.x ,case when a2.y is not null then a2.y else a1.y end as yy from a1 left join a2 on a1.x=a2.x ; quit; |
proc sort data=a1;by x;run; proc sort data=a2;by x;run;
data a12; merge a1(in=ina) a2(in=inb); by x; if ina; proc print;run; |
注：sql通过左联接方式实现。merge通过if ina方式实现。等价于左联接
eg3：用数据集a2来更新数据集a1，同一时候保留两个数据集全部观測
|
sql实现： |
merge实现 |
|
proc sql; select coalesce(a1.x,a2.x) as x ,coalesce(a2.y,a1.y) as yy from a1 full join a2 on a1.x=a2.x ; quit; |
proc sort data=a1;by x;run; proc sort data=a2;by x;run;
data a12; merge a1 a2; by x;
proc print;run; |
注：sql通过全连接方式实现，需求中须要用a2全部变量更新a1，所以一定要把a2变量放在前面，被更新的数据集放在后面，可是对join的匹配变量，对这样的顺序无要求；merge没有使用in=选项，等价于全连接；
eg4：多对多
|
sql实现 |
merge实现 |
|
proc sql; select a3.x,a4.y ,a3.z1,a4.z2 from a3 join a4 on a3.x=a4.x ; quit; |
proc sort data=a3;by x;run; proc sort data=a4;by x;run;
data a34; merge a3(in=ina) a4(in=inb); by x; if ina and inb; run; proc print;run; |
注：sql形式会出现反复值，匹配到的数据会进行笛卡尔。
而merge则由于if ina and inb的作用，避免了反复
5.创建表
复制已有的表属性
proc sql;
create table a
like sashelp.class;
describe table a;
quit;
6.行操作
加入行操作
|
使用set语句 |
使用value语句 |
使用select语句 |
|
proc sql; insert into countries set name='bangladesh', capital='dhaka', population=126391060 set name='japan', capital='tokyo', population=126352003; quit; |
proc sql; insert into countries values ('pakistan', 'islamabad', 123060000) values ('nigeria', 'lagos', 99062000); quit; |
proc sql; create table newconntries like countries; insert into newconntries select * from countries where population ge 120000000; quit; |
最后注意：
多表关联时。最好不要超过5个表。除非都是代码表。否则sql会产生非常大的暂时空间。从而减少程序性能
除非必须，否则优先使用关联，而不要用子查询
在使用set操作符时。假设set表没有反复行，则使用union all会提高性能
假设有索引。尽可能用索引和where语句结合
尽量避免多对多join
