零基础SAS入门：数据步、程序步与数据清洗实战-北京尧图网络

简介《小白学SAS基础教程》面向零基础的数据分析初学者和希望提升数据管理效率的职场人士采用对话体跟随主人公“小白”的学习路径降低SAS命令与语法带来的入门门槛。压缩包共1个PDF文件大小约1.76MB适合在电脑或移动端随时阅读。已有709人学习反映出该教程对SAS新手具有持续吸引力。内容围绕数据整理、作图和制表展开重点讲解数据集建立、常用函数运用、缺失值与异常值等数据清洗思路以及利用SAS绘制常规图形、生成规范报表的方法不只罗列命令更强调操作背后的实际用途与问题解决逻辑并配有可参考的程序和案例。读者可借此建立从数据准备到结果呈现的完整入门框架形成可迁移到实际工作中的SAS应用能力适合作为系统自学与案头查阅的基础读物。1. 先搞懂一件事SAS 到底是什么零基础能不能学很多人搜 SAS 基础入门第一眼撞上的是“数据步”“程序步”“proc 过程”“逻辑库”这一串词第二眼就把页面关了。把包装拆掉看SAS 其实是一条处理数据的流水线把散在表格和数据库里的数据装进来洗干净算出你要的指标画成图排成能直接交上去的报表。《小白学SAS基础教程》带你走的就是这条流水线最前面、也最关键的一段。它适合每天跟成百上千行数据打交道的人要做月度报表、要做数据核查、要反复算同一批指标却不想每次都手工复制粘贴。零基础不是障碍真正卡住新手的是那些没解释就甩出来的术语。2. 打开软件别慌三个窗口就是你每天的全部工作台第一次打开 SAS界面会让人有点懵左边一列树状目录右边一大片空白上面还有一排菜单。别急着记菜单绝大多数人 90% 的时间只跟三个窗口打交道剩下那些按钮一年也点不了几次。新手最容易犯的错是把 SAS 当成 Excel 那样“点点点”的软件。它确实有菜单也能导入导出但真正干活的方式是在编辑器里写几行程序提交运行然后去日志和输出里看结果。把这个循环跑顺后面所有内容都只是往这个循环里加东西。2.1 编辑器写、日志看、输出读一次完整的运行循环三个窗口的分工非常清楚编辑器你写程序的地方所有代码敲在这里。日志程序运行过程的记录本。跑成功会写“NOTE: 数据集 XXX 有 N 个观测”跑失败会写“ERROR”并且告诉你哪一行出了问题。输出结果的展示区。算出来的均值、画出来的图、生成的表都先落在这里。写一段最简的程序感受一下。打开编辑器敲下面这几行/* 第一步把三条记录读进一个叫 demo 的数据集 */ data demo; input name $ score; /* name 后面的 $ 表示这是字符型变量 */ cards; /* cards 告诉 SAS下面是数据 */ A 88 B 92 C 75 ; /* 这个分号必须单独占一行表示数据结束 */ run; /* run 表示这一段程序写完了可以执行 */点工具栏上那个跑步的小人图标或者按执行键程序就提交了。这段代码里data demo;是给数据集起名字input是声明有哪些变量、什么类型cards;之后紧跟的几行就是真正的数据最后一个单独的分号告诉 SAS“数据到此为止”run;收尾。第一次写不用理解全部先记住这个结构就行。跑完之后去日志窗口看。如果只有一堆 NOTE说明成功如果出现红色的 ERROR说明有问题具体哪一行、什么原因日志里都写着。这个习惯请从第一天就养成先看日志再看输出。新手十次报错里有九次日志已经把答案写得很清楚了。输出窗口里会出现一个简单的汇总。如果你还想对分数算个平均再补一段/* 第二步对 demo 里的 score 求平均 */ proc means datademo mean; var score; /* var 指定要分析的变量 */ run;proc means是一个现成的“过程”datademo指明对哪个数据集动手mean是要输出的统计量关键字var score;说明只算 score 这一列。这类以proc开头的东西SAS 里叫程序步后面会反复用到proc sort排序、proc sgplot画图、proc tabulate制表都是同一个套路。到这儿你已经跑通了第一个循环写 → 提交 → 看日志 → 看输出。这就是 SAS 的日常。2.2 数据步和程序步所有 SAS 程序都是“两段式”骨架再回头看上面那两段代码你会发现一个规律第一段以data开头第二段以proc开头。SAS 的程序结构就是这么简单只有两种步类型开头关键字干什么典型语句数据步data造数据、改数据、洗数据data、input、cards、set、merge程序步proc对数据做分析、出图、出表proc means、proc sort、proc sgplot数据步解决的是“数据从哪来、长什么样”的问题。它最少要三句话data起名、input定义变量、cards引进数据。只要数据已经在 SAS 里了你想加一列、改一列、筛一批记录也都是靠数据步完成的。程序步解决的是“算点什么、展示点什么”的问题。它的写法更统一proc 过程名 data数据集名选项;然后跟一两句说明语句最后run;。颜色在这里帮了大忙。编辑器里蓝色的是 SAS 的固定语法一个字都不能改比如cards、run、proc浅蓝色的是过程内部的语句比如class、var黑色的是你自己起的名字比如demo、score随便你改。要是哪句写错了它会变红一眼就能发现。这个小设计对零基础的人特别友好等于软件在替你标错。有一点要提前说清楚run;不是可有可无的装饰。它告诉 SAS“这段程序写完了开始执行”。很多人写完忘了加程序就卡在那儿一动不动还以为软件坏了。2.3 逻辑库与 Work为什么你的数据集一关软件就没了现在回答一个新手最常见的疑问我辛苦建好的数据集怎么第二天打开全不见了看左边的资源管理器展开“逻辑库”会看到几个文件夹Work、Sashelp、Maps 之类。Sashelp装的是自带的示例和帮助数据Maps装的是地图数据而Work是留给你用的。问题就出在 Work 上它是临时逻辑库SAS 一关闭里面的东西自动清空。你用data demo;建的数据集默认就落在 Work 里所以关掉再打开自然找不到。想长期保存得先给它一个“硬盘上的家”也就是自己定义一个逻辑库/* 把 D 盘下的 sasdata 文件夹注册成一个逻辑库别名 mylib */ libname mylib D:\sasdata; /* 引用时写成逻辑库名.数据集名文件就真正落到硬盘上了 */ data mylib.sale2024; input month amount; cards; 1 1200 2 1500 3 980 ; run;libname那一句相当于给文件夹起了个短名字后面所有地方都用这个短名加一个点来引用。mylib.sale2024里的点不是句号是“逻辑库.数据集”的分隔符理解成“文件夹里的文件”就对了。这里有个前提那个文件夹得先在硬盘上建好SAS 不会替你新建。文件夹写错、路名拼错日志里会直接报错照着改就行。3. 第一个能跑的例子三句话建数据集再做一次分组汇总上一章跑的那个例子太小了三条记录连个头尾都看不出来。这一章我们做一个完整一点的小场景一批员工的考试成绩按性别分组算平均分、人数、最高最低分。全程只用编辑器写代码不点任何菜单。为什么选这个例子因为它把 SAS 入门最核心的三件事串起来了把数据搬进来、对数据分组计算、把结果看懂。这三件事会了你就已经跨过“什么都不懂”那道坎了。3.1 逐句拆 data、input、cards把一张小表搬进 SAS先看代码再一句一句拆data exam; input id gender $ score; cards; 1001 M 88 1002 F 92 1003 M 75 1004 F 85 1005 F 79 1006 M 91 ; run;第一行data exam;给数据集起名。名字规则不算宽松只能由英文字母、数字和下划线组成必须以字母或下划线开头不能超过 32 个字符不能有空格、中文和特殊符号。刚入门最保险的做法就是全用英文小写加下划线比如exam_2024。用中文命名虽然某些设置下能识别但后面引用、导出、跟别的系统对接时容易出乱子不建议新手碰。第二行input id gender $ score;声明变量。id和score后面没跟符号默认按数值型处理gender后面跟了一个$表示这是字符型变量取值是 M、F 这类文字。这个$忘写是新手的高发错误——SAS 会试图把 M 读成数字读不进去就变成缺失值你看到的结果里性别那一列全空还找不到原因。第三行cards;之后就是数据本身一行一条记录字段之间用空格隔开。SAS 默认以空格作为分隔符读到空格就认为当前变量结束、开始读下一个。所以数据里如果有空格比如姓名“张三”就会把后面的字段全部挤错位这种情况要用别的输入方式处理后面再说。数据结束的那个分号必须单独占一行。直接跟最后一条数据后面写SAS 会把它当成数据的一部分。这是新手排在前几位的翻车点日志里往往表现为“数据行数不对”或者“某列全是缺失”。最后一个run;提交执行。跑完去日志看应该有一行NOTE: 数据集 WORK.EXAM 有 6 个观测和 3 个变量。这句话非常重要它是你的第一道校验观测数对不对变量数对不对如果这里跟你预期的不一样后面所有的分析结果都别信。3.2 用 proc means 算出结果程序步怎么写、怎么看数据集有了接着算proc means dataexam mean n min max; class gender; /* 按性别分组 */ var score; /* 只对 score 这一列做统计 */ run;proc means是 SAS 里最常用的描述统计过程。dataexam指明数据来源后面几个词是要哪些统计量mean平均值、n有效记录数、min最小值、max最大值。这几个关键字可以自由组合想要中位数就加median想要标准差加std。class gender;是分组语句意思是“按性别把数据分成几堆每堆单独算”。如果去掉这一句得到的就是全体汇总只有一行。var score;指定分析对象。如果不写SAS 会默认把所有数值型变量都算一遍变量一多结果就乱成一锅粥。所以养成习惯永远明确写出你要分析哪一列。结果怎么读输出里会出现一张表行是 F 和 M 两组列是 N、Mean、Minimum、Maximum。你会看到每组的人数、平均分、最低分、最高分。如果某一组的 N 比你在数据里数出来的少说明那条记录的 score 没读进去多半是数据那部分写错了回去数一下行。这里插一句思路上的事。很多人学 SAS 就停在“记住 proc means 能算平均分”这一层然后换个场景又不会了。真正有用的是想清楚我要按什么分组我要对哪一列算我要哪几个指标把这三个问题回答完代码基本就成型了。书里反复强调的“以解决问题为导向”说的就是这个意思——先想清楚要什么再去查语法。3.3 变量名和分号的规矩出错多半栽在这两处刚上手的前两周你遇到的错误八成集中在两个地方提前记住能省不少时间。第一个是分号。SAS 里分号是语句结束的标志每条语句后面必须跟一个英文状态的分号。中文分号看起来几乎一样但 SAS 不认结果是这一句和下一句被强行粘在一起报错信息还指向莫名其妙的位置。判断方法很简单报错行号跟你以为的位置对不上先回去检查分号是不是中文的。第二个是变量名大小写和引用。SAS 里变量名不区分大小写Score和score是同一个但名字拼错就是找不到。写var scores;而数据里叫score日志会提示变量不存在。这类错误不难改难的是新手常常不去看日志直接盯着输出窗口发愁“怎么什么都没有”。再补一条实用规则data后面起的名字跟硬盘上已有文件重名时SAS 会直接覆盖不问你。所以起名尽量带上日期或版本比如exam_0315能少很多“昨天的结果被今天的覆盖了”的惨案。4. 数据整理入门函数、清洗、合并其实是一条链到这一步你已经能把数据搬进 SAS 并算出一两个指标了。但真实的数据从来不是干干净净排好队的有重复录入的、有缺胳膊少腿的、有离谱到不像话的、还有分散在两张表里需要拼起来的。这一章讲的就是从“能用”到“敢用”的那一段。别被“函数”“清洗”“合并”这几个词吓住它们其实是一条链上的三个动作先用函数造出你需要的新列再用清洗挑出有问题的记录最后把多张表拼成一张。4.1 先练三类函数round、count、日期函数SAS 的函数有几百个新手完全不用贪多。先把三类最常用的练熟覆盖的场景已经超过一半。第一类是数值处理代表是round。它的本职是四舍五入但真正好用的地方在于按区间归组data score2; set exam; /* set把 exam 的数据拿过来 */ grp round(score, 5); /* 按 5 分一档归组88 变 9075 还是 75 */ run;round(值, 基数)的第二个参数是“取整到几的倍数”。写round(score, 5)就得到 75、80、85、90 这样的档位写round(score, 10)就是 10 分一档。这个用法在分段统计里特别顺手比写一堆 if 判断简洁得多。第二类是字符处理代表是count。它能数出某个词在一段文字里出现了几次data feedback; input id comment $30.; cards; 1 质量很好物流也很快 2 一般般吧 3 很好用会回购 ; run; data feedback2; set feedback; n_good count(comment, 好); /* 数一数好字出现了几次 */ run;count(源字符串, 要找的子串)返回出现次数。做问卷、做评论分析时用它能快速给每条文字打一个粗略的情绪分。注意中文内容涉及编码设置实际用之前先确认软件环境的编码否则可能读出来是乱码——这个坑我踩过排查了大半天才发现是编码问题不是函数写错了。第三类是日期处理代表是mdy和year、month、daydata dt; birth mdy(3, 15, 1995); /* 用月、日、年三个数拼成一个日期值 */ y year(birth); /* 取出年份 */ m month(birth); /* 取出月份 */ format birth yymmdd10.; /* 让日期显示成 1995-03-15 这种样子 */ run;mdy(月, 日, 年)的参数顺序是月在前、年在后跟日常书写习惯相反第一次写基本都会写反。format那句只影响显示不影响存储的值所以放心用。日期在 SAS 内部其实是一个数字从 1960 年 1 月 1 日开始算天数知道这一点很多“日期怎么变成数字了”的疑惑就解开了。4.2 数据清洗三件套重复值、缺失值、异常值数据清洗听着高深落到操作上就是三个动作每个动作都有现成的写法。重复值。同一个人被录了两次、同一笔订单出现三条这类问题最先要处理proc sort dataraw nodupkey; /* nodupkey按 by 变量判重只保留第一条 */ by id; run;proc sort本来是排序用的加上nodupkey选项就变成了“排序顺带删重”。by id;说明按 id 判断是不是同一个人。它保留的是排序后的第一条如果你需要保留最新的一条就得先按时间倒序排再删重。缺失值。找缺失值最直接的办法是用missing()函数data miss; set raw; if missing(score) then flag 1; /* 数值型和字符型都能判断 */ else flag 0; run;missing()的好处是数值和字符通用不用记两套写法。数据里数值缺失显示为一个点.字符缺失显示为空白肉眼很难扫出来尤其是几万行的时候所以交给程序判断。变量一多一列一列写就不现实了。这时候用数组能写出一段通用的程序data _null_; /* _null_只跑逻辑不生成数据集 */ set raw; array num[*] _numeric_; /* 把所有数值变量装进数组 num */ array ch[*] _character_; /* 把所有字符变量装进数组 ch */ do i 1 to dim(num); if missing(num[i]) then put 第 _n_ 行 vname(num[i]) 缺失; end; do i 1 to dim(ch); if missing(ch[i]) then put 第 _n_ 行 vname(ch[i]) 缺失; end; run;_numeric_和_character_是 SAS 的自动变量列表代表“所有数值变量”和“所有字符变量”不用你一个个点名。dim()返回数组长度vname()返回变量名_n_是当前处理到第几行put把结果打到日志。这段程序不管你表里有 5 列还是 500 列都能直接跑属于值得抄下来存着的那种。异常值。先看清楚分布再定规则。用proc means加上极值就能有个大概proc means dataraw n min max mean std; var amount; run;看最小值是不是负数、最大值是不是离 Mean 差了好几个标准差。真实业务里的异常值没有统一标准别人的规则搬过来不一定适用。稳妥的做法是先看分布再跟业务方确认“多大算离谱”然后写条件筛出来人工核对别直接删。4.3 set 纵向合并和 merge 横向合并别用反数据分散在两张表里是常态一张有基本信息一张有交易记录得拼起来才能分析。纵向合并用set就是上下摞起来data all; set jan feb mar; /* 把三个月份的数据集上下摞成一个 */ run;前提是列名对得上。列名一样的对齐只在一张表里出现的列其他表对应位置就是缺失。这种合并适合“同一种结构、不同时间段”的数据。横向合并用merge就是左右拼起来proc sort dataa; by id; run; /* 合并前必须先按 id 排序 */ proc sort datab; by id; run; data ab; merge a b; by id; /* 按 id 一一对应拼起来 */ run;merge有一条硬规矩参与合并的数据集必须先按 by 变量排好序。没排序就直接 merge日志里会冒出警告结果可能是错的而且错得不明显——这是最坑的一种情况因为程序不报错你还以为跑成功了。我见过有人拿这个结果做了两周的报表才发现对不上返工时的那种心情经历过一次就再也不会忘了。5. 常见问题排查新手最容易被卡住的五个地方新手卡住的时候往往不是不会写而是不知道错在哪。这一章把最常见的五种情况列出来按“现象 → 原因 → 解决”说清楚遇到问题时对着找就行。5.1 日志里一片红光标指向奇怪的位置现象程序一提交日志里出现 ERROR提示的行号跟你以为的出错位置对不上有时候整段代码都被标红。原因九成是分号的问题。要么是漏写了要么是写成了中文分号。SAS 靠分号判断语句边界一个分号不对后面几句会被连成一句报错位置自然就跑偏了。解决从报错位置往上找最近的一个分号检查是不是英文状态。还有个笨办法但很有效把这段程序单独复制到一个空文件里一行一行提交哪一行开始出错就一目了然。5.2 数据读进来了可某一列全是空的现象日志显示数据集建好了观测数也对但打开一看某个本该有值的列全是缺失。原因变量类型和数据的实际形态不匹配。最常见的是字符型变量忘了加$SAS 拿数字规则去读字母读不进去就置空。另一种是数据行里的字段数比input声明的少后面几列就自动变成缺失。解决先核对input语句里的变量个数和类型字符型一定要带$。再把数据区前几行拿出来数一下每行有几个字段跟变量数对上。数据里带空格的字段比如姓名中间有空格会被当成两个字段这种要另外处理。5.3 合并之后记录数不对多出来或者少了一大截现象两张表分别有 1000 行和 500 行merge 之后变成 1200 行或者 800 行跟预期的对不上。原因三种可能。一是合并前没排序SAS 按当前顺序硬拼结果随机二是 by 变量在两边的类型不一致一边是字符一边是数值匹配不上三是两张表里 by 变量有重复值一对多会让行数翻倍。解决merge 之前先对两张表各跑一次proc sort排序完顺便看一眼有没有重复的 id。确认 by 变量类型一致。合并后立刻用proc means或日志里的观测数对比一下行数异常就停下来查别带着错数据往下做。5.4 关掉软件再打开昨天建的数据集不见了现象明明昨天建好了数据集今天打开 SAS资源管理器里 Work 下面空空如也。原因数据集建在了 Work 这个临时逻辑库里。SAS 一关闭Work 自动清空这是设计如此不是软件坏了。解决先libname定义一个指向硬盘文件夹的逻辑库再用逻辑库名.数据集名的方式建数据集。养成习惯练习用的数据放 Work 无所谓要留着的数据一律放自己定义的逻辑库。5.5 画图、制表的程序跑不动或者图出来是空白现象写好的proc sgplot或proc tabulate提交后没反应或者出来一张空图、一个空表。原因常见的有三种。一是data指向的数据集不存在或者名字拼错二是语句里指定的变量名跟数据集里的对不上三是导出到外部文件时路径里的文件夹不存在或者路径中用了中文和空格。解决先看日志里有没有“数据集不存在”或“变量未找到”的提示逐字核对名字。导出文件时路径先用全英文、无空格的目录试一次通了再改。图出来是空白的话检查var或xy指定的变量是不是全为缺失值——数据本身是空的图画出来当然也是空的。6. 下一步学什么先画图还是先制表给你的顺序表走到这里你已经能建数据集、算指标、洗数据、合并表了。接下来往哪走很多人会卡一下书里后面讲了绘图、讲了制表、讲了输出到 Word 和 Excel内容不少一起上容易晕。我给的建议是先制表再画图最后碰模板。理由很实在——制表是每天都要交的东西图是偶尔要交的东西模板是几乎不用自己写的东西。先学高频的收益最快。顺着这个顺序可以这么排阶段学什么大概花多久判断学会的标准第一阶段proc tabulate做常规汇总表、三线表一到两周能独立做出一张能直接交上去的月度汇总表第二阶段proc sgplot画柱状图、散点图、折线图两到三周能根据数据特点选对图型并调好坐标轴和标签第三阶段用 ODS 把结果输出到 Word、Excel、PDF一周一条程序跑完文件直接生成在指定目录第四阶段双坐标轴、瀑布图、热图这类进阶图形按需遇到具体需求时能查着文档做出来第一阶段先啃proc tabulate。它的价值在于把“分组统计量排版”一次性搞定做出来的三线表可以直接进报告。新手常犯的错是一上来就去研究怎么调表格边框、怎么改字体大小其实先把行列结构搭对样式的事放到最后调效率高得多。第二阶段学proc sgplot。它比老式绘图过程好用语法也更接近自然语言说明 X 轴是什么、Y 轴是什么、用什么图形三句话就能出一张图。学的时候别贪多先把柱状图、散点图、折线图这三种练到不用查文档覆盖的场景已经够用了。图形好不好看很大程度上不在代码而在你有没有想清楚“这张图要让人一眼看出什么”。第三阶段是 ODS。这东西的价值在自动化每个月数据一更新跑一遍程序Word 报表自动生成在指定文件夹里不用再手工复制粘贴。第一次配通的时候会有点折腾配通之后每个月省下的时间非常可观。至于模板、地图、雷达图这些等你把上面三阶段走顺了再回头看会发现它们只是同一套思路的延伸数据进来、加工、输出。差别只在输出那一步用了哪个过程。最后说个我自己的习惯。刚学的时候我总想一口气把整本书读完结果读到绘图那一章就卡住了前面的数据步反而忘得差不多。后来我改成每学一个过程就拿自己手上真实的数据跑一遍跑通了再往下。学 SAS 这件事看十遍不如自己写一遍跑通一遍。从那以后我每次学新东西都强制自己先用最小的一份数据跑通再去看进阶用法。希望这个习惯也能帮到你。本文还有配套的精品资源点击获取

零基础SAS入门：数据步、程序步与数据清洗实战

相关推荐

计算机组成原理：软件设计师必备的核心基础

MATLAB R2024a永久授权识别与安装配置实战

2026年CTF竞赛趋势与系统化备赛指南

更多资讯

酒店消防疏散平面图快速绘制指南

EndNote X9在Word中嵌入参考文献格式：从插件到国标排版

国庆前冲刺前端+AI面试：高频考点与场景题实战指南

酒店消防疏散图快速绘制与动态更新技术实践

AD9834 DDS模块高精度设计：相位累加器、电源完整性与PCB布局实战

RF MEMS开关原理与实战：高频低损射频开关技术解析

今日更新

淘宝商品详情API开发实战与性能优化指南

Unity Package Manager刷新错误排查与解决方案

Java record 规范构造器能否被反序列化或反射绕过

本周精选

面向复杂光照与角度的宠物面部识别鲁棒性增强策略

基于DRV8818与STM32的双极步进电机驱动方案实战解析

DRV8818PWPR+PIC18F45K80双极步进电机控制方案实战

本月热门

面向复杂光照与角度的宠物面部识别鲁棒性增强策略

基于DRV8818与STM32的双极步进电机驱动方案实战解析

DRV8818PWPR+PIC18F45K80双极步进电机控制方案实战

读完文章，想聊聊您的网站？