SAS :

• acteur majeur sur le marché des logiciels de statistiques
• outil principal : SAS Base ou SAS Studio (en ligne)
  • langage propriétaire
  • scripts à exécuter (tout ou partie au choix)
  • 3 parties importantes :
    • éditeur de texte
    • journal d’exécution
    • résultats

• Table
  • ensemble de lignes décrites par des colonnes nommées (dites aussi variables)
  • types de variable : numérique, alpha-numérique, date
  • stockées dans des librairies
• Librairie
  • répertoire de stockage des tables
  • work : espace temporaire (vidé à la fin d’une session), utilisé par défaut
  • sashelp, maps, … : librairies existantes par défaut
  • possibilité de créer sa propre librairie, en poitant le répertoire voulu pour le stockage (persistant)

libname lib '/chemin/vers/repertoire';

• Etape DATA
  • définition, importation, modification des tables
  • commandes exécutées pour chaque ligne de manière identique et séparée
  • quelques commandes spécifiques pour travailler avec des infos de lignes précédentes
• Procédure (PROC)
  • manipulation sur des colonnes
  • calculs statistiques, graphiques, …
  • quelques procédures spécifiques de manipulation de tables

Etape DATA - Avec insertion directe des données

• table stockée dans la librairie work si non spécifiée
• indiquer lib.tab pour mettre la table dans la librairie lib
• 3 variables créées
  • X numérique
  • Y numérique
  • Z alpha-numérique
• label : permet d’ajouter une description à une variable ou à une table

Etape DATA - Avec insertion directe des données

data tab (label= "table exemple");
    input X Y Z$;
    label X = "Variable X"
          Y = "Variable Y";
    cards;
1 12 A
2 15 A
1 10 B
1  9 C
3 13 B
3  8 A
run;

Etape DATA - Avec importation

• données dans un fichier texte
• options usuels :
  • délimiteur (avec dlm = ';' par exemple)
  • première observation à considérer (firstobs =)
  • nombre d’observation (n =)
• variables
  • nombre et type à connaître

data tab;
    infile 'chemin/vers/fichier' options;
    input variables;
run;

Procédure IMPORT

• données possibles : fichier texte, Excel, Access, …
• options usuelles :
  • type de données (avec dbms=dlm pour texte par exemple)
  • replace pour indiquer si on remplace la table si elle existe
• paramètres usuels :
  • si dbms=dlm, alors delimiter=";"
  • présence ou non des noms de variables (avec getnames=yes ou no)

proc import datafile='/chemin/vers/fichier' out=tab options;
    paramètres;
run;

2 concepts complémentaires :

• INFORMAT : indique comment transformer une valeur (souvent à l’importation) pour la mettre dans un format spécifique
  • impact fort dans les calculs car modification du stockage
  • exemple : une variable sexe codée 1 ou 2 (numérique donc) transformée en caractère H ou F
• FORMAT : indique comment présenter une valeur stockée dans un type spécifique
  • pas d’impact dans les calculs car pas de modifications du stockage
  • exemple : un nombre réel stocké très précisemment (sans limite de précision) pourra être affiché avec un arrondià 2 décimales

Par défaut

• X et Y implicitement au format numérique
• Z alpha-numérique (informat spécifié $)

data tab;
    input X Y Z$;
    cards;
1 12 A
2 15 A
3 13 B
3  8 ABCDEFGHIJ
run;

Par défaut, la taille d’une chaîne alpha-numérique est de 8. Ici, la dernière valeur de Z sera donc ABCDEFGH.

Spécification dans input

• idem pour X et Y
• On spécifie que la variable Z a 10 caractères maximum possibles

data tab;
    input X Y Z $10.;
    cards;
1 12 A
2 15 A
3 13 B
3  8 ABCDEFGHIJ
run;

Spécification dans input

Avec indication de la position de début de lecture de la variable

• X : débute au début de la ligne (@1) et caractère de taille 1 ($1.)
• Y : débute à la position 3 (@3) et numérique (2. qui devient 8. automatiquement)
• Z : débute à la position 6 (@6) et chaîne de taille 10 ($10.)

data tab;
    input @1 X $1. @3 Y 2. @6 Z $10.;
    cards;
1 12 A
2 15 A
3 13 B
3  8 ABCDEFGHIJ
run;

Spécification dans informat

• idem que précédemment, sans nécessité de spécifier la position de départ
• pratique dans beaucoup de cas avec des informats spécifiques

data tab;
    informat X $1. Y 2. Z $10.;
    input X Y Z $;
    cards;
1 12 A
2 15 A
3 13 B
3  8 ABCDEFGHIJ
run;

Spécification dans format

• Limitation de Z à 5 caractères pour l’affichage (format Z $5.)
• Pas de modification du stockage (cf ZZ qui contient bien toute la dernière chaîne)

data tab;
    informat X $1. Y 2. Z $10.;
    format Z $5.;
    input X $ Y Z $;
    ZZ = Z;
    cards;
1 12 A
2 15 A
3 13 B
3  8 ABCDEFGHIJ
run;

Permet de définir des informats (avec invalue) ou des formats (avec value) spécifiques

proc format;
    value $typeX 
        '1' = 'Valeur A'
        '2' = 'Valeur B'
        '3' = 'Autre';
run;
proc print data = tab;
    format X $typeX.;
run;

Un autre moyen d’utiliser les formats est de le faire localement dans une procédure PRINT comme ci-dessus. Le format ne sera utilisé que pour l’affichage lors de l’exécution de cette procédure.

Résultat :

Affichage simple - procédure PRINT

• options usuelles :
  • noobs pour ne pas afficher le numéro des lignes
  • label pour afficher le label des variables et non le nom
• paramètres usuels :
  • var pour lister les variables à afficher
  • by pour faire un affichage pour chaque modalité d’une variable (ou plusieurs)
  • sum pour spécifier des variables à sommer (ajout d’une ligne de total)

proc print data = tab options;
    paramètres;
run;

Il existe des moyens de sélectionner plusieurs variables ensemble, sans les lister toutes :

• _ALL_ : sélecteur spécifique pour toutes les variables
• _NUMERIC_ : sélecteur spécifique pour les variables numériques
• _CHARACTER_ : sélecteur spécifique pour les variables alpha-numériques
• v1-vN : sélecteur spécifique pour les variables nommées v1, v2, v3, …, vN
• X--Z : sélecteur spécifique pour les variables de X à Z dans la liste des variables de la table

Sauvegarde dans une table à partir d’une autre

Pour récupérer les données d’une table pour les mettre dans une autre, qui sera créée (si existante alors détruite), on utilise une étape DATA

data tab_out;
    set tab_in;
    opérations;
run;

Création de variables

• Opérateurs usuels : +, -, *, /, ()
• Fonctions diverses :
  • chaînes
  • dates
  • numériques
• _N_ : numéro de la ligne courante
• Clause WHERE permettant de sélectionner seulement les lignes respectant une condition précise
  • utilisable aussi dans une procédure

Traitement conditionnel - if

Simple

if (condition) then opération;

Complet

if (condition) then
do;
    opérations
end;
else
do;
    opérations;
end;

Données manquantes

• Numérique : .
• Alpha-numérique : ""

Ecriture ou suppression dans une étape DATA

• delete permet de supprimer la ligne
• output permet d’écrire la ligne dans la table résultat
  • output tab1 permet de spécifier la table de sortie
• à combiner avec une condition

Exemple

data tabA tabB;
    set tab;
    XY = X + Y;
    Z1 = substr(X, 1, 1);
    id = 'no' || _N_;
    where Y > 10;
    if (X = .) then 
        output tabA;
    else
        output tabB;
run; 

cf slides

• Concepts pour l’interrogation de données
• Interrogation de données sous SAS

Transposition de matrice

proc transpose data = tab;
run;

Autre ?

cf slides

• Statistiques descriptives sous SAS

cf slides

• Statistiques exploratoires sous SAS