1.2 SQL过程步的特征
SQL过程步并不需要对每一个查询进行重复、每条语句都是单独处理、不需要print过程步就能打印出查询结果、也不用sort过程步进行排序、不需要run、要quit来结束SQL过程步
1.3 SQL过程步语句
SELECT：查询数据表中的数据
ALTER：增加、删除或修改数据表的列
CREATE：创建一个数据表
DELETE：删除数据表中的列
DESCRIBE：列出数据表的属性
DROP：删除数据表、视图或索引
INSERT：对数据表插入数据
RESET：没用过，不知道什么意思
SELECT：选择列进行打印
UPDATE：对已存在的数据集的列的值进行修改
2 SQL基本查询功能
2.1 SELECT语句基本语法介绍
SELECT <DISTINCT> object-item <, ...object-item>
FROM from-list
<WHERE sql-expression>
<GROUP BY group-by-item <, ... group-by-item>>
<HAVING sql-expression>
<ORDER BY order-by-item <, ... order-by-item>>;
这里SELECT：指定被选择的列
FROM：指定被查询的表名
WHERE：子数据集的条件
GROUP BY：将数据集通过group进行分类
HAVING：根据GROUP BY的变量得到数据子集
ORDER BY：对数据集进行排序
2.2 SELECT语句的特征
选择满足条件的数据、数据分组、对数据进行排序、对数据指定格式、一次最多查询32个表。这里还要提到的就是，在SAS系统中，对于表名和变量名一般不超过32个字符，对于库名，文件引用名，格式等不能超过8个字符
2.3 Validate关键字
Validate关键字只存在于select语句中、可以在不运行查询的情况下测试语句的语法、检查列名是否合法、对于不正确的查询将打印其消息。例：
1 proc sql;
2 validate
3 select Region, Product,Sales
4 from sashelp.shoes
5 where Region = 'Africa';
NOTE: PROC SQL 语句有有效语法。
6 quit;
此外，我们还可以用noexec选项也可以用来进行语法测试。例：
7 proc sql noexec;
8 select Region, Product,Sales
9 from sashelp.shoes
10 where Region = 'Africa';
NOTE: 由于 NOEXEC 选项，未执行语句。
11 quit;
这里提示未执行，未提示错误，说明该语句没有语法错误。但是如果加入一个sashelp.shoes表里没有字段，这里就会出现错误，例：
12 proc sql noexec;
13 select Region, Product,Sales,test
14 from sashelp.shoes
15 where Region = 'Africa';
ERROR: 以下这些列在起作用的表中没有到: test.
16 quit;
2.4 查询列
我们可以像2.3那样查询指定列，也可以用*来查询所有列。例：
proc sql;
select *
from sashelp.shoes;
quit;
这里我们可以用feedback选项来查看到底我们选择了哪些列：
17 proc sql feedback;
18 select *
19 from sashelp.shoes;
NOTE: Statement transforms to:
select SHOES.Region, SHOES.Product, SHOES.Subsidiary, SHOES.
Stores, SHOES.Sales, SHOES.Inventory, SHOES.Returns
from SASHELP.SHOES;
20 quit;
这时，我们可以看到从sashelp.shoes表中选择了8个列
2.5 消除重复值
我们可以用distinct选项来消除重复值。例如，我们要得到没有重复的所有地区的名称：
proc sql;
select distinct Region
from sashelp.shoes
quit;
2.6 where子集查询
2.6.1 比较运算符
先列出where语句用到的比较运算符：
LT < 小于
GT > 大于
EQ = 等于
LE <= 小于或等于
GE >= 大于或等于
NE ^= 不等于
例如，我们要查询sales大于100000的所有数据：
proc sql;
select *
from sashelp.shoes
where sales>100000;
quit;
2.6.2 in：只要满足in里的任意一个值，表达式即为真，例如，我们要选择Region在Africa和Eastern Europe的所有数据：
proc sql;
select *
from sashelp.shoes
where Region in ('Africa','Eastern Europe');
quit;
2.6.3 逻辑运算符
OR | 或
AND & 是
NOT ^ 非
例如，选择Region在Africa和Eastern Europe，且销售额大于100000的所有数据：
proc sql;
select *
from sashelp.shoes
where Region in ('Africa','Eastern Europe') and sales>100000;
quit;
2.6.4 CONTAINS或?：判断某列是否包含指定字符串
例如，选择列Region包含’Afr’的数据：
proc sql;
select *
from sashelp.shoes
where Region ? 'Afr';
quit;
2.6.5 IS NULL或IS MISSING：判断某列数据是否为空
例如，如果出Region为空的数据：
proc sql;
select *
from sashelp.shoes
where Region is missing;
quit;
注意，这里我们还可以用以下表达式对where语句进行替换。如果region为数值型变量，则可以用region=.，如果region为字符型变量，则可以用region= ‘’进行替换。
2.6.6 Between and：选择某一区间的数据
例如选择sales大于100000，但小于200000的所有数据：
proc sql;
select *
from sashelp.shoes
where sales between 100000 and 200000;
quit;
2.6.7 like：判断是否能匹配某些字符
例如，选择以region以A开头的所有地区
proc sql;
select *
from sashelp.shoes
where Region like 'A%';
quit;
这里注意有两类通配符，‘%’可以通配任意个任意字符，‘_’只能通配一个任意字符
2.6.8 =*：类似匹配
这里由于sashelp.shoes里没有符合要求的数据，所有就用书上的例子说明一下吧：
Where lastname=* ‘smith’，出来的结果可能是：smith，smythe等
2.7 表达式
我们可以通过已有的列进行计算来得到新的列，这时用关键词as来给新的列赋列名，例如：
proc sql;
select Region, Product,Sales,Stores,Sales/Stores as salesperstores
from sashelp.shoes
quit;
这时结果就会多一列salesperstores，用来得到该地区该产品每个商店的平均销售量。这里
要注意的是，在创建表达式时，我们还可以在SQL里用到SAS中的除LAG和DIFF之外的所有函数。
这里我们还可以用表达式计算出来的结果来进行子集查询，但一定要记住用calculated关键词。例如我们要出商店平均销售量大于5000的数据：
方法一：
proc sql;
select Region, Product,Sales,Stores,Sales/Stores as salesperstores
from sashelp.shoes
where Sales/Stores>5000;
quit;
方法二：
proc sql;
select Region, Product,Sales,Stores,Sales/Stores as salesperstores
from sashelp.shoes
where calculated salesperstores>5000;
quit;
2.8 查询结果展示
2.8.1 order by数据排序
默认的排序方式是升序，我们可以用DESC关键词来进行降序排列。例如以sales降序排列数据：
proc sql;
select *
from sashelp.shoes
order by Sales DESC;
quit;
这里提示一下，我们可以用任意多列进行排序，包括表达式结果（不用calculated），但最好是选择的列。
2.8.2 LABEL与FORMAT
LABEL：改变输出变量名的内容
FORMAT：改变列的值的输出方式
例如，改变salesperstores的label和format
proc sql;
select Region, Product,Sales,Stores,
Sales/Stores as salesperstores
label='sales per stores'
format=dollar12.2
from sashelp.shoes;
quit;
2.9 处理SQL常用函数
MEAN或AVG：均值
COUNT或N或FREQ：非缺失值个数
MAX：最大值
MIN：最小值
NMISS：缺失值个数
STD：标准差
SUM：求和
VAR：方差
2.9.1 求和sum
proc sql;
select Region, Product,Sales,Stores,
sum(Sales,Inventory,Returns) as total
from sashelp.shoes;
quit;
2.9.2 求均值avg
proc sql;
select Region, Product,Sales,Stores,
avg(Sales) as salesavg
from sashelp.shoes;
quit;
2.9.3 分组求均值group by
proc sql;
select Region,
avg(Sales) as salesavg
from sashelp.shoes
group by Region;
quit;
2.9.4 计数count
proc sql;
select Region,count(*) as count
from sashelp.shoes
group by Region;
quit;
2.9.5 HAVING数据子集
proc sql;
select Region,count(*) as count
from sashelp.shoes
group by Region
having count(*)>50;
quit;
其它的就不多作介绍了，多用用就熟悉了
2.10子查询
2.10.1 出regions平均sales大于全部平均sales的region
proc sql;
select Region,
avg(Sales) as salesavg
from sashelp.shoes
group by Region
having avg(Sales)>
(select avg(Sales) from sashelp.shoes);
quit;
2.10.2 ANY关键词介绍
>ANY(20,30,40) 最终效果：>20
<ANY(20,30,40) 最终效果：<40
=ANY(20,30,40) 最终效果：=20 or =30 or =40
例如，选择出region为united state的sales小于任意region为africa的sales的数据
proc sql;
select Region,Sales
from sashelp.shoes
where Region='United States'
and Sales<any
(select Sales from sashelp.shoes where Region='Africa
');
quit;
这个例子没有多少意义，只是说明一下any的用法
2.10.3 ALL关键词介绍
>ALL (20,30,40) 最终效果：>40
<ALL (20,30,40) 最终效果：<20
例如，选择出region为united state的sales小于所有region为africa的sales的数据
proc sql;
select Region,Sales
from sashelp.shoes
where Region='United States'
and Sales<all
(select Sales from sashelp.shoes where Region='Africa');
quit;
2.10.4 EXISTS与NOT EXISTS
proc sql;
select *
from sashelp.shoes
where exists
(select * sales);
quit;
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
sql中delete用法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 06MAR
94 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;
qui
t;
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
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
出所有延迟的航班和日期：
proc sql;
select flight,date
from March
INTERSECT
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论