2.4 SAS编程语言
前面几个小节我们基本上都把SAS当作一个软件来进行介绍，辅助性地展示了一些SAS代码，对于初学者，如果没看懂前面的代码没有关系，理解软件层面的概念即可。从这一节开始，我们一起捋一捋SAS作为一门编程语言的基本概念和基础知识。
→2.4.1 SAS程序结构
SAS程序是由一系列SAS语句（statement）组成，所谓SAS语句通常是指以SAS关键字（keyword）开头，始终以分号（;）结束的代码行。最常见的SAS关键字就是「DATA」和「PROC」，因此最常见的语句就是DATA语句和PROC语句。当然，SAS的关键字多如牛毛，我们也不必刻意去死记硬背每一个SAS关键字。在DMS、EG和SAS Studio的编辑器中，SAS都会自动给关键字着成深蓝或者蓝色，EG和SAS Studio还会给出提示，初学者可以尝试看看。
另外，如果从程序块上来讲解，SAS程序可以分为两大块：DATA步和PROC步。所谓一个「步」（step）是指这样的一个程序块。
● 以DATA语句或者PROC语句开头。
● 以RUN语句（大多数情况下）、QUIT语句（部分情况下）、新的DATA语句或者PROC语句结束。
在SAS编辑器中，SAS会自动显示横线以隔开DATA步或者PROC步（见图2-10）。需要留意的是，有些语句只能在DATA步里出现（如INPUT语句），有些语句只能在PROC步里出现（如CLASS语句），有些语句DATA步、PROC步都可以出现（如FORMAT语句），而还有些语句可以既不在DATA步也不在PROC步出现，它们可以单独出现（如前面使用过的LIBNAME语句），此即DATA步语句、PROC步语句及全局语句的概念。
图2-10 DATA步与PROC步
SAS程序除了单独的DATA步和PROC步程序，还有可以把它们打包组合在一起的程序，那就是宏程序，宏程序本质上是文本替代，用更少的文本替代更多的文本。这个话题暂且不做过多介绍，留在后面的第10章进行详细说明。
→2.4.2 SAS语法规则
规则的SAS程序书写风格看起来基本就是被DATA步和PROC步分割的条块，其实SAS程序书写的格式是比较自由的，如果要真正究其语法规则的话，有两方面：①SAS语句语法规则；②SAS名语法规则。
SAS语句语法规则：
● 分隔单词的可以是一个空格或特殊字符（比如加号、等号等运算符），也可以是多个。
● 程序可以在任何列开始，也可以在任何列结束。
● 单个语句可以写在多行，多个语句也可以写在一行。
SAS名是指SAS给其一些语言元素（如逻辑库、数据集、变量以及格式等）的名称标记。SAS名有两类。
（1）SAS系统定义名，如自带的库名WORK、SASHELP等；如特殊的数据集名_NULL_（不创建数据集）、_DATA_（自动数据集名）、_LAST_（最后一个活动数据集）；如SAS DATA步的自动变量名_N_（观测号）、_ERROR_（错误标识变量）；如特殊的变量列表名_CHARACTER_（所有字符型变量）、_NUMERIC_（所有数字型变量）、_ALL_（所有变量）；以及SYS开头的宏变量名如SYSDATE（日期）、SYSVER（SAS版本）等。
（2）用户自定义名，自定义名不能与系统定义名相冲突，且需符合SAS命名的语法规则，总结起来可归纳为以下三点。
● 只能由数字、字母、下划线组成。
● 首字符不能是数字。
● 长度限制各有不同，有的最长可以达32个字符（如变量名，宏变量名），有的最长只能有8个字符（如逻辑库、文件引用名以及引擎名）。
这个命名规则一定要遵守吗？是的，都应该遵守。这个规则能打破吗？可以，但不推荐。不过，有的时候，我们也确实有特殊需求：比如如何打破规则让SAS也可以用中文命名数据集、命名变量呢？这时候，我们可以通过修改系统选项VALIDMEMNAME和VALIDVARNAME的值来实现，如图2-11所示。
图2-11 SAS中文名数据集和变量名
程序2-6 SAS中文名数据集和变量名
*===中文名数据集;
*===中文名变量;
options validmemname=extend validvarname=any;
data 中文名演示;
SAS中文变量名="YES";
SAS中文變量名="YES";
＇2SAS中文变量名＇n="YES";
＇2SAS中文變量名＇n="YES";
＇SAS空 格变量名＇n="YES";
＇SAS空# @ %格特殊字符变量名＇n="YES";
run;
语法规则只是对编程的合法性给出了最低的要求。在合法性的基础上，我们还应追求语法风格的统一和规范，这样不仅方便自己日后阅读调试，也方便他人审阅，下面是同一段简单的SAS程序，对比左右两边的风格，正常的人类都更愿意看左边的，对吧？编程人士中有一个术语叫Good Programming Practice，GPP，即良好编程实践，很多编程语言都有推荐的编程规范，遵循这些规范，可以极大地方便与同行的交流，笔者自己总结过一些SAS的编程规范，具体可参考附录。
程序2-7 编程风格：规范与凌乱
*===自建永久库;
libname demo "D:\03 Writting\01
SAS编程演义\02 Data\Clean";
*===建永久数据集，demo.不可省略;
datademo.class_datafile;
set sashelp.class;
run;
*===建临时数据集，work.可以省略;
data class_datafile;
set sashelp.class;
run;
libname demo "D:\03 Writting\01
SAS编程演义\
02 Data\Clean";
data demo.class_datafile;
set sashelp.class;
run; data class_datafile;
set sashelp.class;run;
→2.4.3 SAS语言元素
作为一门编程语言，SAS语言元素除了上面提及的SAS语句（statements），还有表达式（expressions）、选项（options）、格式（format）、函数（function）以及Call列程（Call Rountine）等。
1. 表达式
表达式是SAS语言中一个非常重要的概念，SAS在生成一个新变量、给一个变量赋值、计算新值、变量转换以及依据不同的条件进行处理都需要借助表达式来实现。什么是表达式？ SAS官方给表达式的定义比较拗口：表达式是由一系列操作数和操作符构成的、可执行的、并且产生结果值的序列。简单来说，表达式就是告诉SAS对什么对象执行什么操作，从而得到一个结果的命令。被操作的对象叫操作数（operands），执行操作用的符号就是操作符（operators），习惯上称运算符的更多，执行的结果可能是一个数字值，也可能是一个字符值，还可能是一个布尔值（是/否、真/假、1/0）。
（1）操作数：操作数可以是常量、变量，也可以是表达式。常量，顾名思义，表示一个值是恒常固定的量；同理，变量表示值是可以变化的，有一套数值去刻画某个特征的量。
常量有以下四种情况。
● 字符常量：字符常量由1～32767个字符组成，必需放在英文引号内，引号可以是单引号，也可以是双引号。字符常量中包含单引号（双引号）时，可以用双引号（单引号），或者连续的单引号（双引号），如：“Hongqiu Gu’s Book”。
● 数字常量：数字常量无须多言，只需留意除了标准计数法（如：1，-5，+49，1.23，01），科学计数法（如：2E23，0.5e-10）和十六制计数法（如：0C1X、9X）也可以。
● 日期时间常量：时间日期常量包括日期、时间、日期时间常量三种，命名是需要采用单引号或双引号加D（日期）、T（时间）、DT（日期时间）后缀来分别表示，如＇08Sep2016＇D、＇11:11＇T、＇08Sep201611:11＇DT，具体可参考程序25 SAS日期、时间以及日期时间的本质，这种引号加字母后缀的命名方式称之为名称文字（Name Literal），在使用非规范的数据集名、变量名时也需要用到这种形式。
● 位测试常量：在引号里由0，1以及点（.）组成字符串，且后缀为B,如＇..1.0000＇b，用来测试对应的位是否为0或1。这种常量使用较少，在此不做具体介绍。
变量有两种类型：字符变量和数字变量。日期、时间以及日期时间在SAS里其实也是以数字存储的数字变量。如前所述，日期变量的值为距离1960年1月1日的天数，时间变量的值为距离凌晨的秒数，日期时间的值为距离1960年1月1日凌晨的秒数。
程序2-8 SAS中的常量
*===常量;
data_null_;
*==字符常量;
c1="Hongqiu Gu＇s Book";
c2=＇Hongqiu Gu＇＇s Book＇;
c3=＇Hongqiu Gu"s Book＇;
c4="Hongqiu Gu""s Book";
*==数字常量;
n1=123;
n2=-123;
n3=+123;
n4=1.23;
n5=0123;
*===日期时间常量;
d=＇08Sep2016＇D;
t=＇11:11＇T;
dt=＇08Sep2016:11:11＇DT;
*===在日志中输出;
put c1-c4 ;
put n1-n5 ;
put d yymmdd10.;
put t time.;
put dt datetime.;
run;
（2）运算符：SAS运算符从位置上讲，放在操作数前面的叫前缀运算符（如+、-），放在操作数中间的叫中缀运算符（大多数运算都是）；从功能上讲，有用于算术运算的算术运算符（如+、-、*、/），用于比较大小的比较运算符（如>、<、=、^=），用于逻辑运算的逻辑运算符（如^、&、|）；算术运算符运算的结果通常为数值，比较和逻辑运算符运算的结果为真（1）或假（0）。关于这几种运算符，没有太多可说的，请参考下面的表2-2、表2-3及表2-4。
表2-2 算术运算符
注：乘法中，*号是必需的，2y或者2(y)都是非法的。
表2-3 比较运算符
注：EQ=EQual, NE=Not Equal, GT=Greater Than, GE=Greater than or Equal to, LE=Less than or Equal to, IN=In the list。
*NE的符号在不同的键盘上可能会有所不同。
**>=、<=与以前SAS版本兼容。WHERE或SQL语句中不支持。
表2-4 逻辑运算符
注：*不同的操作环境可能符号有所不同。
除此之外，还有取小运算符（><）、取大运算符（<>）以及连接运算符（||）。><和<>分别用来找到两个操作数中的最小值、最大值，||用来连接前后两字符。
如果只是单个运算符时，不会牵涉运算顺序的问题，但是，当有多个运算符时，就需要厘清运算顺序了，如复合表达式中会有多个运算符，其运算顺序的原则是：
（1）先算括号中的表达式，再算括号外。
（2）不同组有不同的优先级。
（3）同组内有不同的运算顺序。
具体示例详见表2-5。
表2-5 复合表达式运算顺序
2. 选项
SAS选项包括系统选项和数据集选项。系统选项主要是一些可以影响整个SAS程序执行或SAS会话交互的指令，数据集选项是仅用于数据集的选项，如变量的重命名与筛选、观测筛选、数据集权限控制等。
3. 格式
格式依据应用场景，分为输入格式和输出格式；依据定义方式，分为系统格式和自定义格式。格式告诉SAS按一定的模式读取、显示数据。关于格式，详见第7章。
4. 函数与CALL例程
SAS函数可以接收参数，执行一些运算和操作，然后返回一个值。CALL例程与SAS函数类似，不过不能用在赋值语句或表达式中。关于函数和CALL例程，详细讨论将在第6章进行。
我们通过一个综合的例子来简单感受上面提及的一些概念。
程序2-9 SAS语言元素演示
→2.4.4 三种逻辑结构
就如人生中面临的三种情境一样：按照既定的步骤去做一些事情、依据不同情境选择性地应对一些事情、在某些情境下重复做相同的事情，几乎所有的编程语言都设计了三种程序逻辑结构：顺序、选择和循环。
1.顺序结构（sequence）
顺序结构的程序执行时就按照代码出现的顺序依次执行：第一条语句，第二条语句，第三条语句……前面的所有SAS代码几乎都是顺序结构式的。
2.选择结构（selection）
最经典的选择结构语句就是IF-ELSE/THEN语句，告诉SAS在满足某条件的情况下执行一套操作，不满足则执行另一套操作。例如，我们对SASHLEP库CLASS数据集的人按男女性别的不同分别抓出来放到Male和Female数据集。
程序2-10 IF-ELSE/THEN示例
datamale female;
set sashelp.class;
if sex="M" then output male;
else if sex="F" then output female;
else put "Invalid sex :" sex ;
run;
需要留意的是：
● 对于情境的分类，要考虑完全。因此，尽量最后加一个ELSE语句，纳入其他所有可能情况。
● 如果某种情境下，希望执行的不仅仅是一个动作，而是多个动作，此时可以在关键词THEN后面用夹板语句DO-END，把多个动作整合在DO-END语句中。例如，我们嫌弃SEX不文雅，把它换成GENDER，用Male、Female标明男性、女性。
程序2-11 IF-ELSE配合DO-END
datamale female;
set sashelp.class;
if sex="M" then do; gender="Male "; output male; end;
else if sex="F" then do; gender="Female"; output female; end;
else put "Invalid sex :" sex ;
run;
3. 循环结构（iteration）
循环结构的程序是只要满足某个特定的条件，就重复进行某些操作。SAS里常见的循环语句有三种：DO循环语句、DO-WHILE语句以及DO-UNTIL语句。
（1）DO循环语句。DO循环语句其实就是DO-END语句的衍生，在DO后面添加循环的条件，这个条件可以是数字、字符、日期的列表；可以指定起始值和终止值以及步长；还可以是前面两者的混合。
程序2-12 DO循环语句
dataschedule;
do date=＇01Sep2016＇dto ＇30Sep2016＇d ;*日期循环;
day=weekday(date);
if day in (1,7)then Activity="Running";
else if day in (2,4,6)then Activity="Writing";
else Activity="Reading";
output;
end;
run;
datarandom;
do i=1to 10; *数字10次循环;
r=rannor(23);*生成随机数;
output;
end;
run;
（2）DO-WHILE语句。与DO循环语句每次按照指示变量的值去执行不同，DO-WHILE语句会先判断是否满足条件，如果满足则执行否则跳出循环。
（3）DO-UNTIL语句。与DO-WHILE语句会先判断是否满足条件不同，DO-UNITL语句不管三七二十一，先执行了本次循环再说，而后再判断条件是否满足。在做条件判断时，DO-UNTIL与DO WHILE的思维也不一样：DO-UNIL是如果不满足，则继续下一次循环，如果满足，则跳出循环。具体可留意程序2-13的条件差异。
程序2-13 循环语句DO WHILE与DO UNTIL
datadowhile;
i=0;
do while(i<5);
i+1;
output;
end;
run;
datadountil;
i=0;
do until(i>=5);
i+1;
output;
end;
run;
如果读了上面的文字和程序，对三种逻辑结构还是不太清楚的话，图2-12或许能让我们的思维更清晰些。
图2-12 程序的三种逻辑结构
→2.4.5 数组结构
SAS编程语言不像其他语言那样有丰富的结构体（struct），用来聚合数据类型，这正如SAS的数据类型只有简单的字符和数字两种。不过，其他编程语言的数组（array）的思想倒是在SAS编程语言中有充分的利用。
SAS编程语言里，数组是一系列有特定顺序的变量组成的一个临时变量组。之所以说是临时的，是因为数组仅仅存在于DATA步执行的过程中。数组中的变量必须有相同的数据类型，如果全为字符型，则为字符型数组；如果全为数字型，则为数字型数组。此外，如果数组里的值只在一个维度上排列，比如就一行，这就是一维数组；如果数组里的值在多个维度上排列，比如行列上都有，就像一张EXCEL表格，这便是二维数组。
在什么场合下会用到数组呢？怎样理解一维和二维数组呢？举例说明：比如某研究项目持续每天测量患者的收缩压（SBP）、舒张压（DBP），并持续了一周，这样就有7次收缩压和7次舒张压的测量值。当然，我们可以把它们分别存储在SBP1～SBP7、DBP1～DBP7这14个变量中。但是仅仅这样，可能还不够，如果后期我们发现这批血压仪的测量值有系统偏差，SBP比正常测量值低5mmHg, DBP比正常测量值低3mmHg。现在要校正的这些血压值，我们要分别对SBP、DBP写7个赋值语句，总计14个。这样是不是太烦琐了？是的。这时候数组就可以派上用场了。
我们可以建两个数组SBP、DBP分别用来存储SBP1～SBP7、DBP1～DBP7。就像下面这样有一排格子，每个格子有一个编号，SAS依据格子的编号进行数据的存取，这就是一维数组，数据排列就在一个维度上：行。
当然，我们甚至可以直接建一个数组，同时把7次SPB，DBP的值打包在一起，这就是二维数组，数据排列在两个维度上：行和列。
上面只是给出了数组的概念示意图。实际操作时涉及两个核心问题：一是如何定义数组；二是如何访问数组。
1.定义数组
SAS DATA步中，我们通过语句ARRAY来定义数组。其具体语法格式请参考语法2-1：
语法2-1 定义数组语句ARRAY语法参考卡片
关于数组语法的一些解释如下所述。
● 元素个数可以用{*}代替，表示让SAS自动计数，也可以指定具体的数字，如{7}，还可以指定一定的数字范围，如{1:7}。
● 元素名可以是变量名，也可以是SAS自定义的变量，如_ALL_（标示所有定义的变量，但是变量类型需要相同）, _NUMERIC_（所有数字变量）以及_CHARACTER_（所有字符变量），还可以是_TEMPORARY_（临时变量）。
● <>表示其中的内容并非必须有。例如，$只有在数组元素为字符型时才用到，length也是。数组元素及其初始值也并非必需，如果指定数组元素初始值的话，应该在小括号中指定。
程序2-14 定义数组
*===定义数组;
*===sbp1-sbp7是sbp1到sbp7的缩略写法;
array sbp{7} sbp1-sbp7;
array dbp{1:7} dbp1-dbp7;
*===带初始值;
array sbp{1:7} sbp1-sbp7 (163164 167171 155158 154);
array dbp{7} dbp1-dbp7 (98 99 92 94 95 93 93);
*===定义二维数组;
array bp{2,1:7} sbp1-sbp7 dbp1-dbp7 ;
array bp{2,7} sbp1-sbp7 dbp1-dbp7 (163164 167171 155158 154 98 99 92
94 95 93 93);
2.访问数组
访问数组的元素时，我们需要告诉SAS数组元素的地址，数组中元素的地址用数组名加角标的形式arrayname{i} 表示。配合前面已经介绍过的DO循环语句，我们可以遍历数组中的所有元素（见图2-13），进行各种数据操作，如果希望进行前面提到的加减校正，把PUT语句换成赋值语句即可。
图2-13 遍历数组元素结果
程序2-15 访问数组元素
datatmp;
*===定义数组;
array sbp{7} sbp1-sbp7 (163164 167171 155158 154);
array dbp{7} dbp1-dbp7 (98 99 92 94 95 93 93);
array bp{2,7} sbp1-sbp7 dbp1-dbp7 (163164 167171 155158 154 98 99
92 94 95 93 93);
*===遍历一维数组;
do i=1to 7;
put "第" i "次测量的SBP为：" sbp{i};
put "第" i "次测量的DBP为：" dbp{i};
end;
*===遍历二维数组;
do m=1to 2;
do n=1to 7;
put "血压类型为：" m "，血压测量次数为：" n "，血压测量值为：" bp{m,n};
end;
end;
run;
→2.4.6 函数与CALL例程
在SAS里，特别是DATA步中，如果希望更加方便、快捷地处理数据，我们就必须了解函数和CALL例程。SAS函数可以接收参数，执行一些运算和操作，然后返回一个值。CALL例程与SAS函数类似，不过不能用于赋值的语句或表达式中。我们通过一个简单的例子感受下函数和CALL例程的应用。
程序2-16 函数与例程应用示例
data_null_;
length FullName_ByFunction FullName_ByRoutine $10;
FamilyName="Gu";
GivenName="Hongqiu";
*===用函数生成全名;
FullName_ByFunction=catx(" ",GivenName, FamilyName);
*===用例程生成全名;
call catx(" ",FullName_ByRoutine, GivenName, FamilyName );
*===Log中查看结果;
put "Fullname Generatedy by Function: " FullName_ByFunction;
put "Fullname Generatedy by Routine: " FullName_ByRoutine;
run;
笔者粗略统计了下，SAS中有将近30多类，总计达520个函数。这是一个比较庞大的体系，也是一个非常有力的武器，我们将在第6章专门论述。
→2.4.7 结构化查询语言SQL
SQL是结构化查询语言（Structured Query Language）的简称，自1970年IBM开发以来，作为关系型数据库查询工具的标准化语言而广泛使用。SAS自6.06版本引入SQL后，一直在增强完善其功能及其与SAS软件的兼容性，目前SAS 9中的SQL已经非常强大。通过SQL，我们可以进行简单查询、子查询，不用排序就可以进行表的连接、集合运算、创建视图和表、创建宏变量等一系列操作。本小节我们仅就SQL语言做一概要式介绍，具体的应用我们会结合后面的实例再讨论。
SQL最简单的应用就是用SELECT语句做查询。SELECT语句包含了一系列有序的从句，具体可见语法2-2。
Help中<>表示里面的东西选用。因此，必用的就只有SELECT和FROM了，比如下面的例子就用SQL查看sashelp.class中的姓名、性别以及年龄。
语法2-2 PROC SQL SELECT语句语法参考卡片
程序2-17 最简单的一个SQL过程
proc sql;
select name, sex, age
from sashelp.class;
quit;
当然其他从句也是非常实用的。比如，用WHERE可以进行条件筛选，用GROUP BY可以进行分组统计，用HAVING可以对分组统计的结果进行条件筛选，用ORDER BY可以对结果进行排序。初接触时，可能对这些从句的顺序记忆有些混淆，笔者个人就用SFW、GHO来记忆它。sfw是一种位图格式文件的扩展名，gho是ghost镜像文件的扩展名。
下面是一个完整的，利用了所有SELECT从句的例子。目的是先按性别分组统计人数、平均身高，然后挑出平均身高大于62的组，最后按人数多少排序。
程序2-18 PROC SQL SELECT语句全从句示例
proc sql;
select sex, count(name) as cnt_name ,mean(height) as m_height
from sashelp.class
where age>=12
group by sex
having m_height>62
order by cnt_name;
quit;
→2.4.8 SAS宏MACRO
MACRO（宏）这个术语可能对我们来说并不陌生，宏就是实现自动化操作的一种工具。在EXCEL里我们就曾接触过，只是大部分人很少用而已。在SAS里，宏工具是一个用来自动化和定制化SAS代码的文本处理工具。
SAS的强大，很大一部分原因就是宏工具的存在。宏的本质是文本替换，但是通过文本替换，可以实现SAS代码的自动化生成，动态生成以及SAS代码的条件结构，也就是说，不仅可以让SAS代码自己去写SAS代码，而且还可以根据不同的条件写不同的代码，这很符合“元编程”的理念。也正是因为这样，很多SAS开发者，疯狂开发自己的宏，从而避免很多重复性的代码编写工作，实现更多自动化、智能化的处理。
SAS宏语言分为两大块：宏变量和宏程序。宏变量是不必限定在DATA步使用的变量，即独立于数据集的变量。宏变量分为系统宏变量和用户自定义宏变量。最常规的情况下，我们可以用%LET语句定义宏变量，%PUT语句查看宏变量。正如前面所说，宏本质是文本替换，宏变量也是用简单的文本去替换更长更复杂的文本。例如，我们可用一小段文本“PUMC”替换更长的“Peking Union Medical College”。
程序2-19 宏变量
*===自定义;
%let PUMC=Peking Union Medical College;
*===查看系统自带;
%put &sysdate;
*===查看自定义;
%put &PUMC;
宏程序同宏变量类似，不过宏程序还有其他特性：①可以包含编程语句，包括DATA步和PROC语句；②可以接受参数。比如，我们可以定义一个打印指定数据集、指定变量的宏。在定义宏程序时，用%MACRO开头，用%END结尾，使用宏时，用%宏名称即可。
程序2-20 MACRO定义和调用
关于宏，本节仅作概念性介绍，具体的内容我们将在第10章详细讨论。