sas设置筛选条件（SAS工具使用心得）

以SAS为舟闯金融

我们部门老大是法国留学的统计学专业背景，具有金融行业大银行工作经验，所以极其习惯于用SAS，部门遗留的历史脚本几乎都是用SAS，所以，要想继承我部门的历史经验，掌握SAS，至少看懂SAS是必须面对的问题，否则无解。老大是个极其细致（较心细如发还要多一层）且极看重效率和产出成果的人，但是即使这样，他也耐下心给了我一个月的时间用来熟悉各项工具，看书学习，很少量的安排工作。

首先，我先看了老大曾甩给前同事的书《the little sas book 中文版》，不长，也就一百多面，而且包括有宏的内容，我用了1周看完，又用了一段时间重复一遍，整理了一些笔记（有道云笔记）。但是，说实话，我对本书无感。一是，本书是翻译的版本，有很多地方语言生硬，让人感觉不够友善，整体就给我留下了不喜欢的印象；二是，本书内容太简短，虽然内容全，但讲解十分简略，或者只有“要怎么做”，而没有“为什么要提出这个话题”，“这么写每部分的详细讲解”；三是，版式粗糙，代码有些模糊，且全为大写字母书写，刚开始接触代码的我心里总觉的距离感太强，不太接受。说了这么多缺点，看完后还是勉强初步接受了SAS的界面，能看懂最常用和基本的语句了。但至此，还没干具体的活，对SAS语法没有切身的感受，只是浮于纸面，停留在眼睛会的阶段。这个阶段花了大致一个多月的时间。现在想来，本阶段进入了一个坑：太简略、不太符合自己胃口而学习效率不高的书，不应该花费太多时间，强迫自己看，不仅效率极低，还很容易生出自己心理上的厌倦感或者畏难情绪。

然后，我开始陆续阅读和工作中尝试使用SAS，至此，动手的时候才发现，极其狼狈，语法都不熟悉，细节都不记了，大脑空白，F3运行后各种bug。我尴尬的向同事咨询，他们推荐给我当字典搜索的书：《SAS编程技术教程（朱世武）》。不得不说，这本书柔和友善多了，至少是中国人写的，语言平实易于接受，内容充实有序，能解决我之前看书的很多很多疑惑。我尝试阅读几天后，如获至宝，后悔之前花了这么久看的书，感慨之前简直是浪费了时间。但是本书有561页，我不得不在工作日下班后满脑疲惫的继续看1h书，周末也总是想着这个学习任务而不曾敢好好放松，而晚上学习效率不高、战线拉的长，带来的结果就是看了后面忘了前面。更可怕的是，我看书习惯于看多遍，所以不看完2遍简直不敢告一段落。本阶段花了好几个月的时间。但不得不说，本阶段又进入另一个坑：用力过猛，事无巨细而导致贪多嚼不烂。

洋洋洒洒都快半年了，SAS进展还是不大，工作中极低的效率和较大的出错率，让老大咆哮不已。一度让我产生了离职的想法。当然，离职的原因，不仅是接连的老大发火，而且还有原因在于我们公司是初创公司，工作量大，而人手严重不足，大家都拿出上高中的状态在工作，再加上我们老大要求极严且脾气极差，几乎每天我都要被吼骂，要么是工作出错，即使没出错，也骂我动作太慢。而老大忙于自己的工作，当我遇到困难或者问题，无人可以问，只能钉在原地干着急，发慌而无助。

再然后，新进来一个同事，是SAS建模老手，虽然年龄不大，但是专业出身 工作经验丰富，还是个女生，我好意思主动请教。她推荐我了一本纸质书：《SAS v8基础教程》。这次，我下定决心在淘宝上买下纸质书，拿出学生学习的认真态度。花了1个月看完。这本书也是经验丰富的中国人写的，语言平实易懂详略得当，内容也较全，也不长（也是500多页，但是每页比较稀疏，一天能看几十页的那种，且很多内容是同一操作的多种实现方式，可以选择性看，阅读没有压力），非常实用易懂。至此，我使用的SAS的学习资料就没再增添了。这本书我感觉很受用，纸质书的学习方式也很推荐。供各位知友参考和选择性借鉴。

SAS是面向过程的语言，与面向对象的语言不同，语句在一个数据步和过程步内要留意语句书写先后顺序。这里，不谈具体细节的语法，之谈我使用后的宏观感触；我觉得SAS使用过程中主要是这几个问题：

① 了解PDV原理及程序运行顺序。虽然语法很多，比如set 多个数据集、双set语句，@与@@的区别，set和infile input的使用，等等。但是，自己心里要把复杂问题简单化，SAS系统运行原理弄清楚，就知道怎么对待不同原始文件、怎么一条条导入、每条观测执行后输出的，弄清楚了就不需要记忆了，通过理解原理来减少记忆负担。

② 通过阅读日志文件，纠错排除BUG的能力。我刚开始用SAS，对log窗口并不重视：如果能完成运行，就不会去管LOG内容，如果报错、运行的结果文件为空文本，才会去翻log，而且也只看log中标红的ERROR内容。现在看来这是极其不对的。现在，执行完一段程序后，哪怕能执行到最后一步，我也打开日志，先ctrol F，搜索全文是否含error；然后，从头看一遍日志，不能出现：字段未初始化，merge中by值有多个重复值等等内容，也就是说，warning也不要有，应该只是干干净净的，比如不同数据集多少观测。

沙里淘金找BUG

一旦真的出现运行结果非自己预期、数据不一致的情况，就要找BUG了。找问题，包括显性问题和隐性问题，显性的就是log日志里面找语法报错或警告的内容；隐性的问题，就是指能正常运行但是结果不对的情况。这时，指导思想就是：语句一块一块的跑，跑完后导出明细后找原因，跑出来的结果，可以导出excel后用match函数匹配两列，也可以不导出，直接对两个数据集，用merge语句 in选项，匹配一下，in数据集A and not in 数据集B，就可以了。

再说一句，刚开始处理bug，遇到就紧张，长时间找不到原因就心烦，核对良久后，甚至觉得我没有毛病，是SAS系统不稳定导致，或者认为这个问题我排除不了，产生畏难和退缩的倾向。现在我认为，SAS系统是很稳定的，它的年龄比我的年龄都大，一定不是系统出错，而是有原因的，而原因一定是可以找到和解决的。现在多了些信心和决心。

③ 学会使用统计性函数proc means，proc freq等等。刚开始，我只是纯纯使用data步：导入文件、处理文件，proc export导出PC文件，全是明细数据。导致的结果是：导出的底表文件很大，动则几千万条甚至1G以上，会产生预料之外的问题：SAS导出时删除失败，excel作透视的时候会很卡甚至频频崩溃；而且，若导出前没加工过，都依赖excel作进一步操作，有点像半自动洗衣机。后来，经提点，我导出前都用宏 proc means语句进行汇总，将变量分类为class 和 var，定义为宏变量（主要是方便后期修改调整，更灵活），然后用宏进行汇总输出。明显可以减少导出条数。

④ 性能优化 减少出错可能性。使用一段时间、熟悉了基本的语句规则后，就要留意学习一些细节，来提高工作效率了，包括减少等待运行时间和便于后期维护。比如，做筛选的时候，能用where语句就不用if语句；常用的定义逻辑库及一些指令设置，可以写入文件“autoexec.sas”，让SAS启动时先自动运行；多用keep或drop语句，去掉不需要的字段，减少数据集的无用字段；字段定义都用format语句，尽可能少用默认操作，增加对SAS的控制；尝试多使用宏；尝试培养字母大写的书写习惯，等等。

要减少出差，有一点就是：能在导出前用code解决的，都写代码解决，而不是导出后手动操作筛选或者点击。所以，对想要的量都先处理好，要做的筛选都先定义新变量flag，尽可能较少手动。

啰嗦了半天，也都是些大而泛的内容；可能因为SAS是我第一个深入接触的语言，现在看着SAS系统界面的code，越看越觉得清秀美观，非常喜欢这个语言，即使它和新生代大热语言例如Python相比，有些弱点。使用了数据分析工具后，不得不说，SAS比单纯SQL处理数据方便很多：语句更直接，逻辑更简明，操作更方便，如果是MySQL，就需要反复的嵌套子查询、像苏州园林那么层次复杂；而且SAS处理数据速度更快。不得不说，工具的优化还是很有必要的。

从来没有准点下班

洋洋洒洒这么些字，算是互联网金融行业工作1年的一点总结。也算是积累了这么久的汽车行业融资租赁知识，之前头大的vintage分析、截面DPD30 ，迁徙率，授信额度、不良、坏账、观察期、表现期，在贷本金/在贷余额，应还本金、已还本金、逾期本金等等的计算方法，也终于理清楚了。工作时间久了，对金融行业也有了一定的感情，今后如果不从事这一方面了，会不会浪费了这一年的焦虑、挨骂和加班呢，哈哈。