从程序员到数据科学家：SAS 编程基础 （02）

TIOBE 指数是用来反映某种编程语言的流程程度的指标，根据2016年12月份最新数据显示，SAS 编程语言占比 1.380%，排名22位。 编程语言本质上是人类用来与机器沟通，并在人类之间分享思维的工具，与它所需要解决的问题领域紧密相关。世界上也没有哪一种语言能够解决所有问题。所以尽管计算机领域出现了超过上千种编程语言，但终究只有少数强大语言能生存下来，SAS 便是其中之一。

SAS 语言要入门很快，但要精通则需要较长时间，尤其是要掌握SAS特有的，在普通编程语言里面没有的一些功能。SAS 作为领域特定的第四代编程语言（4GL），与广泛流行的第三代编程语言C，C++，Java，C#，Javascript不同，它专门为数据分析和报告提供非常复杂的数据操作、图形图表制作以及文档编写功能。

SAS语言总体上是面向过程的计算机语言，有着传统编程语言的基本结构。但它不支持面向对象，尽管从SAS 9 开始提供两个预定义的对象：Hash和 HIter（Hash Iterator）并提供类似面向对象的语法，但用户至今不能用 SAS 语言创建自定义类。SAS提供强大的互操作能力，可以调用Java 对象和 Win32 API 函数来实现各种复杂功能。SAS 语言也并不像Python/Perl等严格意义上的脚本式编程语言，具有真正的脚本/流控制构造。

SAS 语言中只有两种基本的数据类型：字符型和数值型。从外部数据到SAS内部数据存储表达之间，可以使用INFORMAT和 FORMAT进行读／写转换。然而，在一些 PROC 步中，SAS 也提供特定的数据类型来覆盖这两种基本类型，比如PROC FCMP（从 SAS 9.1开始）中类似Ｃ语言的结构体，以及PROC IML 中的矩阵。与传统编程语言支持各种各样的基本数据类型（比如布尔/整数/浮点/字符…）不同，统计学上的数据类型根据计量尺度只有定类（如性别）、定序（如年级）、定距（如温度）以及定比（重量）等四种需要考虑。

SAS 语言提供非常强大预处理器，实现编译前的宏替换功能。它允许 SAS 程序在编译和运行期间，动态改变程序自身，并可实现递归调用宏本身。使用 SAS 语言的统计分析人员经常赞叹SAS语言的强大功能，而不熟悉 SAS 语言的编程人员有时也会为它与第三代编程语言的不同而困惑不解，迷失在宏与非宏的代码陷阱里。

SAS 语言是一门比较复杂的计算机语言，甚至它到底是编译执行还是解释执行有时候连有经验的SAS开发人员也会感到困惑。由于SAS 语言包含灵活的语言元素，SAS Macro宏是由解释器展开，但是 DATA Step和 Proc Step 则以步为单位进行一次编译，然后统一执行而非逐语句进行解释执行。SAS是兼具编译和解释的混合型计算机语言，因此维基百科的分类中也很难将SAS 语言归入编译还是解释类别（Compiled_language v.s Interpreted_language）。

SAS 语言最强大的能力是为分析编程人员提供了完备细致的数据访问，而不用太考虑数据的存储格式和存储位置，比如最常用的DATA Step和 PROC SQL就提供了各种各样的数据操作能力，而丰富的 PROC Step 支持则让分析人员专注于分析本身和参数设定。一旦 SAS 编程入门，则只有不懂的统计类型，没有不会使用的 PROC Step。

从传统语言编程基础转换到SAS 语言编程，首先要记得如下一些SAS语言的核心规则：

1. SAS 程序由一系列SAS 语句组成，所有的语句都以分号 ; 结束。

2. SAS 代码中也可以包含数据行，但数据行不作为语句，不以分号结尾。

3.  一个SAS语句可以跨行，多个 SAS 语句也可以在一行上；SAS 语句可以从一行中的任意位置开始，代码缩进并非必需。

4.   SAS 语句中的关键字是以空格分隔的，通常由“关键字”或“关键字=参数”系列组成；某些语句可以在必选项和可选项之间用 / 分隔。

5.  SAS 语言不区分大小写，你可以使用大写/小写以及它们的混合。但字符变量的值是区分大小写的。比如 “Hello World” 和 “HELLO WORLD” 为不同的两个值。

6.  SAS 代码中标识符长度较短：逻辑库引用/文件引用（libref/fileref）名称最长不超过8字节、数据表/数据列（即变量）名称最多不超过32字节。

SAS 程序主要由一系列的 Steps 构成，而 Step 由一些列的 Statements  构成。每一个 Step都有开始和结束的边界，SAS 根据 Step 边界独立编译和执行。

一个所谓的步（Step）由 DATA或PROC 语句开始，默认结束于下一个 DATA/PROC 步的开始处。但我们通常用 RUN; 语句来显式结束一个 Step．有一些 PROC需要以 QUIT 语句来结束提交。为了让代码具有良好的可读性，通常使用 RUN/QUIT来显式结束一个步。

1.  全局语句：在 DATA/PROC 步之外，用于指定全局的选项或者其他全局性的功能。

比如 TITLE 语句用来指定输出报告的标题，最多达11级。

TITLE "The title of my first report"; /*设置输出报告的标题*/
TITLE2 "Author: Yinliang Wu";  
       

各种SAS 选项（SAS Options）语句也属于全局语句，功能上类似于操作系统的环境变量，用来指定当前 SAS会话有关的系统设置。

options ls=80 ps=24 nocenter; /*设置输出为 24 X 80 左对齐*/
       

2.  DATA 步（Data Step）：SAS 程序只包含两种类型的步DATA步和PROC步，DATA 步负责为后续数据步/过程步准备数据，基本语法为：

DATA MYDATA; 
 
<STATEMENT and/or DATA>;
RUN;      

比如：如下代码创建一行5列的数据，其中 Name和Sex 是字符变量，而其他3个为数值变量。

DATA MyData; 
  input Name $ Sex $ Age Height Weight;
  datalines;
YINLIANG M 30 175 83.5 
RUN;      

3. PROC 步（PROC Step）：过程步是执行特定任务的SAS语句 的集合，以 PROC 语句开始，一般到下一个 RUN语句结束；某些PROC（如PROC SQL）允许有多条RUN语句进行执行，但该PROC仅在最后一个QUIT语句运行后结束。 每个过程步有自己特定的SAS 语句和命令，但也有很多过程步有相同的SAS 语句和命令。

PROC PRINT DATA=MyData;
    VAR Name Height;
RUN;      

PROC CONTENTS DATA=MyData;
RUN;      

DATA=MyData是PROC PRINT 和 PROC CONTENTS 语句特定的参数（也叫选项），所有的PROC步都有 DATA= 选项。如果没有指定，则系统默认为执行过程中最近创建的那个数据集。

4. 程序注释：

a)  块注释：SAS 支持C、C++和 Java 等广泛使用的块注释  功能，注释可以是任何长度，可包括分号但不能嵌套使用块注释；

/* …
 *
…注释…;
 *
…
 */
PROC CONTENTS DATA=MyData;
RUN;      

b)  行注释：以星号 * 开始，以往后的第一个分号 ; 结束。比如：

* …注释…;
PROC CONTENTS DATA=MyData;
* …注释…;
  * …注释…;
RUN;      

注释通常用于说明程序的功能、标注非执行文本或者用于文档目的，可以在代码调试过程中将调好的代码暂时隔离。SAS 运行时注释中的代码会被忽略，但注释也会被写入日志文件。 需要特别注意的一点是，在SAS Macro 宏代码要谨慎使用行注释，以免导致不期望的宏展开。

结语： SAS 的 DATA 步和PROC 步是SAS 语言对数据分析工作的精妙抽象和完美封装，DATA步解决数据结构和准备问题，而PROC步解决对特定分析流程的实现和封装。你可以把它对应成传统编程中的数据结构和算法设计，分别负责数据和逻辑的实现。