?初學(xué)SAS的時候，往往注重程序語法結(jié)構(gòu)，而忽略了SAS編譯和執(zhí)行階段如何處理數(shù)據(jù)。所以很多時候，寫的程序看起來沒有問題，但是創(chuàng)建出的數(shù)據(jù)集觀測數(shù)和預(yù)期的卻不一致，一些變量也沒有按照預(yù)期retain下來，嘗試另起一個data步或者用一個新變量名問題就解決了，但是究竟問題出在哪里，也無從得知。今天就一起研究下SAS處理數(shù)據(jù)的機制吧！?

SAS data步包含包含兩個階段：

• 編譯階段
• 執(zhí)行階段

編譯階段

這個階段sas主要做：

1. 掃描code是否存在語法錯誤；
2. 結(jié)束后創(chuàng)建數(shù)據(jù)集的描述信息；
3. 會產(chǎn)生兩個對象：input buffer(輸入緩沖區(qū))、PDV(program data vector)

具體講，就是確保program滿足語法規(guī)則，例如sas數(shù)據(jù)集、變量名命名規(guī)則，關(guān)鍵拼寫是否有誤，引號括號不配對，每個語句是否以分號結(jié)束等等。編譯階段完成之后，sas數(shù)據(jù)集的描述信息就創(chuàng)建好了，例如變量名、變量屬性。

語法錯誤核查完之后，SAS會創(chuàng)建input buffer(只在讀取raw data時產(chǎn)生)。input buffer只是一個邏輯概念，并沒有實際的物理儲存位置，可以理解為一個臨時儲存記錄的位置。

input buffer創(chuàng)建之后，PDV也隨著創(chuàng)建，和input buffer類似，PDV也是一個邏輯概念。

PDV的變量：data步中的所有變量，以及自動生成的變量 by-group創(chuàng)建的變量，選項生成的變量等等。

執(zhí)行階段

創(chuàng)建數(shù)據(jù)部分，_N_初始化為1，_ERROR_初始化為0，F(xiàn)irst.var, Last.var初始化為1，其它的自動變量為缺失。

input語句執(zhí)行，將raw data第一行copy進input buffer， 執(zhí)行其他語句，最后輸出該條觀測到數(shù)據(jù)集中，然后返回DATA步繼續(xù)執(zhí)行，讀取下一條觀測。

在執(zhí)行階段，DATA步看起來更像是一個循環(huán)，讀取一行數(shù)據(jù)，執(zhí)行所有語句，創(chuàng)建一行觀測記錄，并重復(fù)這個操作。每次循環(huán)就稱作一次迭代。

并非所有的語句都是在執(zhí)行階段執(zhí)行，DATA步中的語句可以分為：聲明語句、可執(zhí)行語句。聲明語句：在編譯階段就開始生效了，可以放在DATA步中的任何位置。比如LENGTH、FORMAT、LABEL、DROP、KEEP等。

可執(zhí)行語句：必須要按照預(yù)期執(zhí)行的順序進行放置，比如input之前要先infile。

example

data total_points (drop=TeamName);  
   input TeamName $ ParticipantName $ Event1 Event2 Event3;
   TeamTotal + (Event1 + Event2 + Event3);
   datalines;
Knights Sue    6  8  8
Kings Jane     9  7  8
Knights John   7  7  7
Knights Lisa   8  9  9
Knights Fran   7  6  6
Knights Walter 9  8 10
;
run;

Input Buffer

PDV

Output語句

讀進PDV的數(shù)據(jù)，默認是會被output到數(shù)據(jù)集中的，這稱為隱式輸出。如果使用了output語句（顯式輸出）來輸出記錄，隱式輸出就不會起作用了。所以，如果使用了有條件的output語句，只有滿足的條件的記錄才會被輸出到數(shù)據(jù)集中，其它記錄不會再被默認輸出，如果不同條件的記錄要以不同的要求output到數(shù)據(jù)集，可以使用多個output語句。

Reading raw data v.s. Reading sas dataset

Raw data：每次迭代時，除了自動創(chuàng)建的變量、Retain語句中的變量、SUM語句創(chuàng)建的變量、_TEMPORARY_數(shù)組中創(chuàng)建的元素、infile/file選項中創(chuàng)建的變量，其余變量在PDV中都會被設(shè)置為缺失。

SAS data set：只在執(zhí)行的第一次迭代時將PDV中的變量置為缺失，變量將會retain值直到被新的值代替。對于不是來自input dataset而是在data步中創(chuàng)建的新變量，會在執(zhí)行的每一次迭代的開始被置空。如果想要使新創(chuàng)建的變量retain值，可以使用retain語句。

drop/keep語句和選項

drop/keep分別是刪除和保留變量

• drop/keep語句和drop/keep選項作用在輸出數(shù)據(jù)集是一樣的；
• drop/keep選項如果作用在輸入數(shù)據(jù)集，那么相應(yīng)drop的變量或者沒被keep的變量就不會進入PDV。當(dāng)數(shù)據(jù)列非常多的時候，在輸入數(shù)據(jù)集時就keep或者drop變量，能夠提高運行效率；
• drop/keep同時使用，drop先起作用，然后再進行keep；如果drop和keep沖突的話（drop或者keep不存在的變量），那么SAS會報錯。

where/if

where在數(shù)據(jù)進PDV之前就進行篩選，只能篩選輸入數(shù)據(jù)集中的變量，在data步創(chuàng)建的新變量不可以篩選。

• if是在數(shù)據(jù)讀進PDV后才進行篩選，可以篩選輸入數(shù)據(jù)集中的變量，也可以篩選在數(shù)據(jù)步創(chuàng)建的新變量。
• 如果存在by語句，那么where是在by語句之前執(zhí)行，if語句是在by語句之后執(zhí)行。by語句可以產(chǎn)生first.var, last.var的PDV變量，所以where first.var?，if first.var?；
  where語句的優(yōu)勢就是可以提高效率，因為在讀取數(shù)據(jù)之前已經(jīng)進行篩選減小了數(shù)據(jù)量，而if是每行都讀入PDV再篩選是否輸出到數(shù)據(jù)集中。

example
數(shù)據(jù)集Long如圖：

運行如下程序：

data rewide(keep=sid programming stats english);
  format Sid Programming Stats English;
  array course{3} programming stats english;
  do i = 1 to 3;
    set long;
    course{i}=score;
    put _all_;
  end;
run;

得到的數(shù)據(jù)集Rewide如圖：

這段程序中，set語句被放置在do循環(huán)內(nèi)。set語句每次只讀取一行記錄，到run結(jié)束，返回至開頭讀取下一條記錄，循環(huán)往復(fù)。

第一條do end循環(huán)結(jié)束后，PDV會讀取三行記錄：

遇到Run;之后將當(dāng)前的PDV記錄輸出至Rewide數(shù)據(jù)集中，然后指針+1，繼續(xù)進行第二個Do end循環(huán)，輸出S02的一條記錄。

當(dāng)我們對sas讀取數(shù)據(jù)階段有困惑時，可以使用put all語句，將PDV的所有變量都輸出在Log中，查看每次執(zhí)行時每個變量的賦值情況。