SAS中的SQL语句完全教程之一：SQL简介与基本查询功能

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_5d3b177c0100cksl.html

1 SQL过程步介绍

1.1 SQL过程步可以实现下列功能：

查询SAS数据集、从SAS数据集中生成报表、以不同方式实现数据集合并、创建或删除SAS数据集、视图、索引等、更新已存在的数据集、使得SAS系统可以使用SQL语句、可以和SAS的数据步进行替换使用。注意，SQL过程步并不是用来代替SAS数据步，也不是一个客户化的报表工具，而是数据处理用到的查询工具。

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找到: 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，如果找出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。例如我们要找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 找出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 * from sashelp.orsales);

quit;