SAS中的SQL语句完全教程之二：数据合并与建表、建视图索引等

 

本系列全部内容主要以《SQL Processing with the SAS System (Course Notes)》为主进行讲解，本书是在网上下载下来的，但忘了是在哪个网上下的，故不能提供下载链接了，需要的话可以发邮件向我索取，我定期邮给大家，最后声明一下所有资料仅用于学习，不得用于商业目的，否则后果自负。

 

转载请注明出处：http://blog.sina.com.cn/s/blog_5d3b177c0100cm1t.html

 

1 连接joins分为内连接inner joins和外连接outer joins

内连接：仅返回匹配的数据，最多可以有32个表同时进行内连接

外连接：返回所有匹配的数据和非匹配的数据，一次只能有两个表或视图进行外连接

迪卡尔积：返回表内所有可能的匹配情况。例如表A有10*20的数据，表B有30*40的数据，则两个表的迪卡尔积有（10+30）*（20+40）=40*60的数据

 

我们先建立两个数据集：

 

data march;

   input flight $3. +5 date date7. +3 depart time5. +2 orig $3.

         +3 dest $3.  +7 miles +6 boarded +6 capacity;

   format date date7. depart time5.;

   informat date date7. depart time5.;

   cards;

219     01MAR94    9:31  LGA   LON       3442       198       250

622     01MAR94   12:19  LGA   FRA       3857       207       250

132     01MAR94   15:35  LGA   YYZ        366       115       178

271     01MAR94   13:17  LGA   PAR       3635       138       250

302     01MAR94   20:22  LGA   WAS        229       105       180

114     02MAR94    7:10  LGA   LAX       2475       119       210

202     02MAR94   10:43  LGA   ORD        740       120       210

219     02MAR94    9:31  LGA   LON       3442       147       250

132     02MAR94   15:35  LGA   YYZ        366       106       178

202     03MAR94   10:43  LGA   ORD        740       118       210

219     03MAR94    9:31  LGA   LON       3442       197       250

622     03MAR94   12:19  LGA   FRA       3857       180       250

271     03MAR94   13:17  LGA   PAR       3635       147       250

202     04MAR94   10:43  LGA   ORD        740       148       210

219     04MAR94    9:31  LGA   LON       3442       232       250

622     04MAR94   12:19  LGA   FRA       3857       137       250

132     04MAR94   15:35  LGA   YYZ        366       117       178

271     04MAR94   13:17  LGA   PAR       3635       146       250

302     04MAR94   20:22  LGA   WAS        229       115       180

114     05MAR94    7:10  LGA   LAX       2475       117       210

202     05MAR94   10:43  LGA   ORD        740       104       210

219     05MAR94    9:31  LGA   LON       3442       160       250

622     05MAR94   12:19  LGA   FRA       3857       185       250

132     05MAR94   15:35  LGA   YYZ        366       157       178

271     05MAR94   13:17  LGA   PAR       3635       177       250

114     06MAR94    7:10  LGA   LAX       2475       128       210

202     06MAR94   10:43  LGA   ORD        740       115       210

219     06MAR94    9:31  LGA   LON       3442       163       250

132     06MAR94   15:35  LGA   YYZ        366       150       178

302     06MAR94   20:22  LGA   WAS        229        66       180

114     07MAR94    7:10  LGA   LAX       2475       160       210

132     07MAR94   15:35  LGA   YYZ        366       164       178

271     07MAR94   13:17  LGA   PAR       3635       155       250

302     07MAR94   20:22  LGA   WAS        229       135       180

;

run;

 

data delay;

   input flight $3. +5 date date7. +2 orig $3. +3 dest $3. +3

         delaycat $15. +2 destype $15. +8 delay;

   informat date date7.;

   format date date7.;

   cards;

114     01MAR94  LGA   LAX   1-10 Minutes     Domestic                8

202     01MAR94  LGA   ORD   No Delay         Domestic               -5

622     01MAR94  LGA   FRA   No Delay         International          -5

132     01MAR94  LGA   YYZ   11+ Minutes      International          14

302     01MAR94  LGA   WAS   No Delay         Domestic               -2

114     02MAR94  LGA   LAX   No Delay         Domestic                0

202     02MAR94  LGA   ORD   1-10 Minutes     Domestic                5

219     02MAR94  LGA   LON   11+ Minutes      International          18

622     02MAR94  LGA   FRA   No Delay         International           0

132     02MAR94  LGA   YYZ   1-10 Minutes     International           5

271     02MAR94  LGA   PAR   1-10 Minutes     International           4

302     02MAR94  LGA   WAS   No Delay         Domestic                0

114     03MAR94  LGA   LAX   No Delay         Domestic               -1

202     03MAR94  LGA   ORD   No Delay         Domestic               -1

219     03MAR94  LGA   LON   1-10 Minutes     International           4

622     03MAR94  LGA   FRA   No Delay         International          -2

132     03MAR94  LGA   YYZ   1-10 Minutes     International           6

271     03MAR94  LGA   PAR   1-10 Minutes     International           2

302     03MAR94  LGA   WAS   1-10 Minutes     Domestic                5

114     05MAR94  LGA   LAX   No Delay         Domestic               -2

202     06MAR94  LGA   ORD   No Delay         Domestic               -3

219     06MAR94  LGA   LON   11+ Minutes      International          27

132     06MAR94  LGA   YYZ   1-10 Minutes     International           7

302     06MAR94  LGA   WAS   1-10 Minutes     Domestic                1

622     07MAR94  LGA   FRA   11+ Minutes      International          21

132     07MAR94  LGA   YYZ   No Delay         International          -2

271     07MAR94  LGA   PAR   1-10 Minutes     International           4

302     07MAR94  LGA   WAS   No Delay         Domestic                0

;

run;

 

1.1 内连接

proc sql;

    create table innerjoins as

    select a.*,b.*

    from March a,Delay b

    where a.flight=b.flight and a.date=b.date;

quit;

 

1.2 外连接

1.2.1 左连接left join

proc sql;

    create table leftjoins as

    select *

    from March a

    left join Delay b

    on a.flight=b.flight and a.date=b.date;

quit;

 

1.2.2 右连接right join

proc sql;

    create table rightjoins as

    select *

    from March a

    right join Delay b

    on a.flight=b.flight and a.date=b.date;

quit;

 

1.2.3 全连接full join

proc sql;

    create table fulljoins as

    select *

    from March a

    full join Delay b

    on a.flight=b.flight and a.date=b.date;

quit;

 

1.3 迪卡尔积

proc sql;

    create table cartesian as

    select a.*,b.*

    from March a,Delay b;

quit;

 

这里再大概说明一下内外连接的实现的基本原理：首先生成两个数据表的迪卡尔积，然后再根据where语句来选择符合条件的数据作为输出结果。当然，在实际处理过程中，SQL过程步会对这个迪卡尔积的数据集进行优化，将其划分成小块数据进行处理。

 

2 复杂的连接

这里因为找不到很好的例子来说明如何处理复杂的连接，因此就不讲解了，大概说一下思路吧：简单地说，对于复杂的查询，我们应该将该查询分解成几个小的子查询，然后对每个子查询的结果进行测试，最后将所有的子查询结合起来就组成了这个复杂的查询。这样会比一来就写复杂的查询容易得多。

 

3 数据集SET操作

这里有四类SET操作，分别是EXCEPT、INTERSECT、UNION、OUTER UNION。

EXCEPT：得到除第二个数据集以外的所有第一个数据集里的数据

INTERSECT：得到第一个数据集和第二个数据集都有的数据

UNION：得到两个数据集所有的数据，这里如果两个数据集有相同的数据，重复数据只出现一次

OUTER UNION：得到两个数据集所有的数据。

 

还有两个关键词来修改SET操作的行为：ALL和CORRESPONDING

ALL：并不删除重复值，不能与OUTER UNION合用（注意，用ALL关键词，一种情况是你不管是否会有重复值，另一个情况是不可能出现重复值，例如有主键的数据）

CORRESPONDING：只保留两个数据集都有的字段，一般简写为CORR

 

 

3.1 EXCEPT

找出所有没有延迟的航班和日期：

proc sql;

    select flight,date

       from March

    except

    select flight,date

       from Delay;

quit;

注意：这里重复值已经被删除。如果要得到所有的包含重复值的数据，就要用到关键词ALL：

proc sql;

    select flight,date

       from March

    except ALL

    select flight,date

       from Delay;

quit;

如果只保留两个数据集都有的字段，则用到关键词CORRESPONDING（可简写为CORR）：

proc sql;

    select *

       from March

    except CORR

    select *

       from Delay;

quit;

 

3.2 INTERSECT

找出所有延迟的航班和日期：

proc sql;

    select flight,date

       from March

    INTERSECT 

    select flight,date

       from Delay;

quit;

关键词ALL和CORRESPONDING与在EXCEPT中一样，这里不再作介绍

 

3.3 UNION

选择所有的数据，这里的重复值只出现一次

proc sql;

    select flight,date

       from March

    UNION 

    select flight,date

       from Delay;

quit;

关键词ALL和CORRESPONDING与在EXCEPT中一样，这里不再作介绍

 

3.4 OUTER UNION

proc sql;

    select flight,date

       from March

    OUTER UNION 

    select flight,date

       from Delay;

quit;

这里，如果我们用到关键词CORR，就可以将相同字段的数据结合到一起：

proc sql;

    select *

       from March

    OUTER UNION  CORR

    select *

       from Delay;

quit;

 

4 建表

4.1 建空表

4.1.1 通过指定变量建空表

proc sql noprint;

   create table percent

       (varname char(30),

       Industry char(4),

       begindate num format date9.  label='the beginning date',

       enddate num format date9. label='the ending date',

       P_1 num,

       P_5 num,

       P_95 num,

       P_99 num);

quit;

 

4.1.2 拷贝数据集来建空表

proc sql noprint;

   create table Delaycopy(keep=flight date)

   like Delay;

quit;

 

4.1.3 查询语句中，用outobs选项来建空表

proc sql noprint outobs=0;

   create table flight114 as

   select *

   from Delay;

quit;

 

4.2 对数据表增加数据

主要有三种方法：

4.2.1 SET语句

proc sql noprint;

insert into flight114

set flight='302' ,

    date='07MAR94'd,

    orig='LGA',

    dest='WAS',

    delaycat='No Delay',

    destype='Domestic', 

    delay=0;

quit;

 

4.2.2 VALUES语句

proc sql noprint;

insert into flight114

values('271','07MAR94'd,'LGA','PAR','1-10 Minutes','International',4);

quit;

 

4.2.3 条件查询 ：建表和导入数据同时完成

proc sql noprint;

   create table flight114 as

   select *

   from Delay

   where flight='114';

quit;

 

5 完整性约束

完整性约束的好处是保证SAS数据集的连续性和正确性，它在我们更新数据或插入新的数据时，验证新的数据是否符合该变量的约束条件。

完整性约束需要8.0以上版本，符合ANSI标准，可以在表建立时或表有数据后建立约束，但不能被用于视图，也不能用于低于8.0版本的SAS系统建立的数据集。

五大类完整性限制：NOT NULL、CHECK、UNIQUE、PRIMARY KEY、FOREIGN KEY。

NOT NULL：不许出现缺失值

CHECK：指定该变量可以输入哪些值

UNIQUE：每个值必须是唯一的，其值可以为空，但只能有一个值为空

PRIMARY KEY：主键，每个值必须是唯一且非空的

FOREIGN KEY：其它表的主键，即外键，其值为关联表的主键的值且非空

 

5.1 check

例：

proc sql noprint;

   create table percent

       (varname char(30),

       Industry char(4),

       begindate num format date9.  label='the beginning date',

       enddate num format date9. label='the ending date',

       percent num,

CONSTRAINT percent _check check

(percent le 1.0));

quit;

这时，如果我们插入的数据中，percent>1的话，将会出现错误。

 

5.2 回滚ROLLBACKS

当我们用INSERT或UPDATE的时候，操作要等到发生错误的时候才会停止，这时会出现一个问题，就是数据表的一些数据更新了，而另一些数据没更新，这时如果我们要回到原来的状态，就需要用到UNDO_POLICY选项进行回滚。

UNDO_POLICY有三个选项：

REQUIRED：缺省选项，取消所有的更新或新插入的数据。这里要注意的是，此操作不一定完全能成功。

NONE：阻止所有的与约束不符的更新或新数据

OPTOINAL：取消所有可以成功取消的更新或新插入的数据

 

本功能用得很少，所以只是翻译一下，请大家查阅相关文献。

 

6 创建视图与索引

6.1 视图

视图最大的好处是它只是一个存储的查询，因此不包含任何数据，这可以减少磁盘的使用空间。其它的功能与数据库的表类似。

创建视图语法：

Create View View-name as

 Query-expression ;

例：

proc sql noprint outobs=0;

   create View  delayview as

   select *

   from Delay;

quit;

 

6.2 索引

语法：

Create <unique> Index index-name

On table-name (column-name,column-name);

 

视图和索引都用得很少，所以这里就不作讲解了，大家查阅相关文献吧。

 

7 维护表

这里主要讲一下如何更新或删除已存在的表的数据，如何对一个表增加、减少、或改变其列的属性，如何删除表、视图和索引。

 

7.1 更新数据

这里主要用update来更新表的数据，语法如下

Update table-name

       Set column-name=expression,

Set column-name=expression,…

Where expression;

注意，这里的where一定要写清楚，如果没有的话，则会更新所有的数据。

例：

proc sql noprint;

update delay

set delaycat='Delay'

where  delay=0;

quit;

 

7.2 条件处理

用CASE语句来实现条件处理。例如，对SASHELP.shoes根据sales的大小进行分类：

语法：

Select column…

Case <case-operand>

When when-condition then result-expression

< When when-condition then result-expression>

<else result-expression >

End;

 

例：

proc sql;

    create table shoesrank as

    select *,

       (case

       when sales>100000 then 'good'

       else 'bad'

       end) as rank

    from sashelp.shoes;

quit;

 

7.3 删除行

语法：

Delete from table-name

Where expression;

例：

proc sql;

Delete from shoesrank

Where Region='Africa';

quit;

 

7.4 改变列

语法：

Alter Table table-name

       Add column-definition,column-definition,…

       Drop column-name,column-name,…

       Modify column-definition,column-definition,…

 

对已存在的数据表增加一个列：例：

proc sql;

alter table shoesrank

add addcolumn num format=comma10.2,

addcolumnmore char(10);

quit;

 

从已存在的数据表中删除列，例：

proc sql;

alter table shoesrank

drop addcolumn;

quit;

 

修改某列的属性，例：

proc sql;

alter table shoesrank

modify  addcolumnmore char(20) label='modify add label';

quit;

 

7.5 删除表、视图、索引

语法：

Drop Table table-name,table-name,…;

Drop View View-name,View-name,…;

Drop Index index-name,index-name,…;

From table-name;

例：

proc sql;

drop table shoesrank;

quit;