Curso de lenguaje SAS con WPS. Que hace el paso DATA

El elemento principal del lenguaje SAS es el paso DATA. Este elemento crea, modifica y transforma conjunto de datos SAS (datasets). El paso DATA se compone de 2 fases, la fase de compilación y la fase de ejecución. En la fase de compilación DATA crea una estructura de memoria, conocida como program data vector (PDV), con la estructura que SAS considera más adecuada para el conjunto de datos, paralelamente crea toda una descripción de la información del dataset. Una vez creada la estructura de la tabla SAS se pasa a la fase de ejecución en la que SAS itera con cada registro haciendo “output” en el dataset cuando SAS llega a la sentencia RUN. La iteración se lleva a cabo hasta que SAS detecta el final del archivo.

DATA trabaja con conjuntos de datos que fundamentalmente serán:

• Entrada manual de datos (INFILE + INPUT + DATALINES)
• Ficheros de texto (INFILE + INPUT)
• Otros conjuntos de datos SAS/WPS (SET MERGE UPDATE)
• DBMS (Esto mejor no lo haremos con data…)

La entrada manual de datos en SAS no es muy cómoda pero sirve para conocer como funciona el PDV sin embargo eso no es mu útil en nuestro trabajo diario, no tenemos tiempo de pararnos en aspectos teóricos. Por esto es preferible poner un ejemplo «que funciona siempre» de este modo le guardáis y cuando tengáis que meter datos manualmente le recuperáis:


data manual;
infile datalines dlm=',';
input nombre: 30. edad rango:30.;
datalines;
Jose Alberto, 34, Cabo Primero,
Esteban, 25, Sarjento,
Vicente, 56, Sarjento Primero,
Laura, 45, Capitán,
;run;


Recomiendo recordar esta estructura. Comenzamos con DATA y el nombre del conjunto de datos SAS. La sentencia INFILE nos indica como va a ser la entrada de datos, DATALINES especifica que será manual y DLM tiene su importancia porque indica un delimitador de los datos, si empleamos delimitador nos evitaremos muchos problemas. Después la sentencia INPUT es fundamental porque es la que asigna la estructura al conjunto de datos. Estas estructuras estarán compuestas de variables, ya las analizaremos en profundidad, en este caso tenemos 3 variables dos de texto indicado con $ y una numérica (no pongo nada). Al fin viene DATALINES sin más que indica el punto en el que metemos dato. Picamos los datos y separamos por , finalizamos con RUN. Esta es la forma más sencilla y que mejor se entiende para introducir datos manualmente, nos evita muchas pegas con espacios en blanco, longitudes,…

Para crear datasets desde ficheros de texto emplearemos una metodología distinta en WPS que la utilizada en SAS. WPS no tiene asistentes por ello lo mejor que podemos hacer es importar el fichero paso a paso para comprobar si lo hacemos correctamente. Para ilustrar el ejemplo podéis bajaros este archivo a vuestro equipo. Este fichero tiene las siguientes variables:

• ID del estudiante
• genero
• clase
• puntuación de test
• puntuación del examen 1
• puntuación del examen 2
• puntuación de laboratorio
• puntuación del examen final

Desde WPS podemos abrirlo para hacerle una vista y así poder dar una estructura correcta al conjunto de datos SAS. Vemos que tiene 28 líneas y está separado por espacios. Luego el paso data sería así:


data prueba;
infile "D:\raul\wordpress\curso sas\grades.txt";
input id sexo clase Ptest P1 P2 Plab Ptotal;
run;


Recordamos, primero estructura luego lee datos. Con INFILE le indicamos que datos leemos y que características tienen, con INPUT creamos la estructura, el vector de variables, el PDV. En este caso tenemos 7 variables, dos de ellas alfanuméricas por ello empleamos $ y otras 5 numéricas (no ponemos nada). Este caso es un extremo, por lo simple. En la siguiente entrega leeremos ficheros de texto con WPS buscando casos más habituales.

Pero el 90% de las veces que utilicemos DATA las lecturas serán de otros conjuntos de datos SAS:


data prueba2;
set prueba;
run;


En los sucesivos cursos que he impartido todo el mundo entiende a la perfección lo siguiente: DATA crea una estructura y escribe y SET indica como ha de ser esa estructura y donde leer. Si hacemos lo siguiente:


data prueba;
set prueba;
Pmedia=(P1+P2)/2
run;


Estamos sobreescribiendo un dataset al que además le añadimos una nueva variable, un nuevo elemento a ese vector. Importante: No he indicado a WPS las características de ese nuevo elemento, selecciona las que él cree más adecuadas, no es necesario declarar variables; esto resulta difícil de entender para los informáticos.

Por último nos quedaría analizar como accede WPS a BBDD con DATA, pero mis lectores no tienen permitido hacer eso. Ya veremos el motivo.

Lo dicho, siguiente entrega, importaciones de texto. WPS no tiene asistente y tenemos que escribir nosotros mismos el vector de variables.

Saludos.