Curso de lenguaje SAS con WPS. Variables

El elemento fundamental de los conjuntos de datos SAS son las variables. Ya las hemos referenciado en capítulos anteriores. Éstas pueden ser numéricas o alfanuméricas. Las variables se pueden crear, eliminar o se pueden recodificar. Todo esto siempre lo haremos mediante pasos DATA. Disponemos de un amplio número de funciones para que todas las variables se ajusten a nuestras necesidades.
Las variables tienen los siguientes atributos:

• Nombre: no pueden exceder de 32 caracteres o empezar por un número ni tener espacios en blanco
• Tipo: Numérica o alfanumérica ($)
• Longitud:  máximo 8 bytes para numérica y 1 – 32,000 para alfnumérica
• Formato salida de la variable: Por defecto para num BEST12. para numéricas y $w. para alfanumérica
• Formato de entrada: similar al formato de salida
• Etiqueta

Un tipo muy especial de variable es el valor perdido o missing. Por defecto la representación del missing para una variable numérica es . y ‘ ‘ para una variable alfanumérica. Para todas las variables podemos emplear operadores de comparación (por ejemplo en sentencias IF) y/o operadores lógicos. Los operadores de comparación son:

• = EQ
• ^= NE
• ¬= NE
• ~= NE
• > GT
• < LT
• >= GE
• <= LE
• IN

Los operadores lógicos son:

• & AND
• | OR
• ! OR
• ¦ OR
• ¬ NOT
• ˆ NOT
• ~ NOT

Variables numéricas:

Son las variables que representan números, son medidas de cada observación de nuestro ataset. Dentro de las numéricas se incluyen las variables de fecha y hora (un tipo muy especial). Su longitud va esde los 2 a los 8 bytes. El formato que tienen por defecto es BEST12. que es el formato de 12 bytes que SAS considera más adecuado para una variable numérica. La forma más común de representar las variables numéricas es w.[d] donde w representa la longitud de la parte entera y d la longitud de la parte decimal.

Los missing numéricos tienen un comportamiento especial y debemos tener especial cuidado al trabajar con variables numéricas que puedan contener valores perdidos. Analicemos algunos ejemplos:


data _null_;
y=3;
x=.;
z=x+y;
l=x*y;
m=min(x,y);
n=sum(x,y);
put z= l= m= n=;
run;

La sentencia DATA _NULL_ no genera conjunto de datos SAS, _NULL_ es un tipo especial de dataset que no genera un fichero físico; con la instrucción PUT= nuestro paso data escribirá en la ventana log el valor de las variables que deseamos ver. Si analizamos el resultado en la ventana log tendremos:

22 data _null_;
23 y=3;
24 x=.;
25 z=x+y;
26 l=x*y;
27 m=min(x,y);
28 n=sum(x,y);
29 put z= l= m= n=;
30 run;
z=. l=. m=3 n=3
NOTE: The data step took :
real time : 00:00:00.280
cpu time : 00:00:00.000

Una variable missing que opera con un número da como resultado una variable missing, sin embargo si empleamos una función de SAS como es min() para determinar el mínimo entre dos valores o sum() para determinar la suma el valor missing no es tenido en cuenta.

Variables fecha:

Un tipo muy importante de variable numérica es la variable que representa una fecha u hora en SAS. La variable fecha se codifica internamente como la diferencia en días entre la fecha en cuestión y el 1 de enero de 1960 de modo que las fechas posteriores serán un númeropositivo y las anteriores a 1960 serán un número negativo. Igualmente las variables hora serán la diferencia en horas con el 1 de enero de 1960 a las 00:00. Analicemos con algunos ejemplos como codifica SAS las variables fecha:

data fechas;
input id $5. fecha : ddmmyy10.;
cards;
AAAAA 01/01/1960
ABAAC 01/01/1961
ACBAC 01/01/1970
ACABA 01/01/1962
AAAAC 01/01/1980
;
run;

Este programa crea desde el editor un conjunto de datos SAS con una variable carácter y otra numérica a la que a través de : ddmmyy10. le asignamos un formato de lectura a SAS. Si hacemos una vista del conjunto de datos veremos que tenemos números que se codifican como la diferencia en días respecto el 01/01/1960. Si deseamos ver el valor fecha que toma esta variable deberemos asignarle un formato de salida. Esto lo podemos hacer desde el mismo paso data:

data fechas;
input id $5. fecha : ddmmyy10.;
format fecha ddmmyy10.;
cards;
AAAAA 01/01/1960
ABAAC 01/01/1961
ACBAC 01/01/1970
ACABA 01/01/1962
AAAAC 01/01/1980

El formato es uno de los atributos más importantes de las variables y en función de él podremos ver correctamente los resultados. Los formatos fecha/hora más empleados son:

• DATE
• DATETIME
• DDMMYY

Para trabajar con constantes tenemos que introducir el valor numérico o escribir “DIA(MES EN INGLES)AÑO”d, por ejemplo:

data fechas;
set fechas;
anyos_entre_dos_fechas= ("01NOV80"d - fecha)/365.25;
run;

En el siguiente capítulo analizaremos mejor este tipo de variables ya que requiere especial cuidado trabajar con ellas en WPS.

Variables alfanuméricas:

Las variables alfanuméricas son aquellas que almacenan caracteres. Su longitud puede ir de 1 a 32.000 bytes. En anteriores ejemplos ya hemos visto la forma de introducir manualmente variables carácter a través de INPUT, sin embargo si queremos realizar
modificaciones sobre ellas, crear nuevas variables o trabajar con constantes tendremos que emplear las comillas (simples ‘ o dobles ”). Por ejemplo, retomando la tabla fechas creada anteriormente tenemos:

data fechas;
input id $5. fecha : ddmmyy10.;
format fecha ddmmyy10.;
cards;
AAAAA 01/01/1960
ABAAC 01/01/1961
ACBAC 01/01/1970
ACABA 01/01/1962
AAAAC 01/01/1980
;

Sobre esta tabla se nos solicita añadir al campo id el prefijo ID-. El programa SAS que se emplea para modificar este campo sería:

data fechas;
set fechas;
id="ID-"||id;
run;

El operador fundamental para las variables alfanuméricas es la concatenación, para ello SAS emplea ||. Para trabajar con constantes de caracteres es necesario el uso de comillas. De este modo modificamos nuestro campo id añadiéndole un prefijo. Nuestro dataset ejemplo se compone de 2 variables, una de texto de longitud 5 y otra numérica de longitud 8 con formato de salida DDMMYY10.

Para modificar los atributos de nuestro dataset y que nuestra variable tenga la forma que deseamos hemos de emplear la instrucción ATTRIB pero con una peculiaridad, lo vemos en el ejemplo:

data fechas;
attrib id length=$10;
set fechas;
id="ID-"||id;
run;

La instrucción ATTRIB modifica los atributos de nuestras variables, los posibles atributos a modificar son: LENGTH, LABEL, FORMAT e INFORMAT. Siempre ha de ir antes de poner SET para poder asignar unos atributos iniciales. Posteriormente presentaremos las funciones de texto más empleadas en WPS.