SAS技术内幕：从程序员到数据科学家

本书共27章，分为上下两卷：上卷介绍SAS编程基础与使用方法，是广大程序员快速掌握SAS编程技术的简明开发教程；下卷阐述数据分析的关键基础知识并提供相应SAS代码实现，目的是激发读者兴趣，跨越传统编程与数据分析的鸿沟，从程序员华丽转身为数据科学家。书中演示代码力图简洁清晰地解释相关概念，追求大道至简。本书兼顾编程技术与数据分析，期许程序员、信息处理与统计分析人员以及对数据分析科学感兴趣的读者都能从本书中获益良多，循序渐进地掌握数据分析的要义和精髓，从数据中获取洞见与智慧。

巫银良
SAS 中国研发中心技术总监，北京大学信息科学技术学院客座教授。主要负责SAS 中国研发中心大数据与可视化分析技术、可视化数据挖掘与机器学习，商业智能和移动应用等产品线的项目管理。
毕业于北京大学，获理学学士和硕士学位。拥有近 20 年计算机行业研发和管理经验，在企业应用和商业分析领域有深厚的技术功底。专注于研发管理和项目实践，涉及领域包括人工智能、大数据与可视化分析、金融量化分析与自动交易、商业智能与互联网、大型商业软件研发管理等。

上 卷

第1章 SAS语言入门 002

1.1　语言概述 005

1.2　编程环境 010

1.3 SAS Studio编程 016

第2章 数据集与DATA步 032

2.1　SAS 逻辑库 032

2.2　SAS 数据集 036

2.3　DATA 步 041

2.3.1　内嵌数据行或外部数据文件 043

2.3.2　通过已有 SAS 数据集生成 048

2.3.3 通过 PROC IMPORT 或 PROC SQL 生成 051

2.4　DATA 步的运行机制 054

2.4.1　编译阶段 055

2.4.2　运行阶段 056

2.5　DATA 步语句快速索引 057

第3章 变量与表达式 062

3.1　常量与变量 062

3.1.1　变量长度与缺失值 063

3.1.2　数值常量 065

3.1.3　日期/时间/日期时间常量 067

3.1.4　字符常量 067

3.2　表达式 068

3.2.1　运算符 068

3.2.2　运算符优先顺序 072

3.2.3　WHERE 语句特定运算符 072

3.2.4　赋值语句 073

3.2.5　累加赋值语句 074

3.2.6　RETAIN 语句 075



SAS技术内幕：从程序员到数据科学家

3.3 SAS数组 077

3.3.1　数组名称 079

3.3.2 数组元素变量列表 079

3.3.3　数组长度 080

3.3.4　隐式下标变量 080

3.3.5　多维数组 081

3.3.6　临时数组 082

3.3.7　数组排序 083

3.3.8　注意事项 084

第4章 流程控制 087

4.1　DO-END语句块 087

4.2　分支控制 088

4.2.1　IF-THEN 分支控制 088

4.2.2　ELSE-IF 多分支控制 090

4.2.3　SELECT-WHEN 多分支控制 090

4.3　循环控制 091

4.3.1　指定次数的循环：DO-TO-BY 091

4.3.2　指定条件的循环：DO-WHILE 与 DO-UNTIL092

4.3.3　指定集合的循环：DO-OVER 093

4.4　特殊的流程控制语句 094

4.4.1　跳出循环语句：LEAVE 094

4.4.2 继续循环语句：CONTINUE 094

4.4.3　返回语句：RETURN 095

4.4.4　中止执行语句：STOP 与 ABORT 095

4.4.5　跳转语句：GOTO 与 LINK 096

第 5章 函数封装 099

5.1　LINK-RETURN 技术 101

5.2　SAS宏函数封装 103

5.3　FCMP函数 105

5.4　系统函数速查 110

第6章 SAS宏 113

6.1　宏变量 114

6.1.1　命名 114

6.1.2　作用域 114

6.1.3　系统宏 115

6.1.4　宏代码调试 117



目 录

XIII

6.1.5　宏表达式 117

6.2　宏函数 119

参数定义 120

6.3　逻辑控制 121

6.3.1　宏语句块 121

6.3.2　条件分支 121

6.3.3　循环控制 121

6.4　系统宏函数 122

第7章 DS2 124

7.1　程序结构 126

7.1.1　变量声明与类型 126

7.1.2　程序实体作用域 129

7.1.3　变量数组与标准数组 130

7.1.4　系统方法与用户自定义方法 131

7.2　数据程序 136

7.3　包程序 137

7.4　线程程序 143

第8章 代码组织 149

8.1　静态文件包含 149

8.2　程序中动态扩展代码 151

8.3　动态执行外部命令 153

第9章 文件读写 157

9.1　二进制文件读写 157

9.2　文本文件读写 159

9.3　顺序读取多个文件 162

9.4　并行读取多个文件 165

9.5　共享缓冲区读写 166

第10章 按位运算 168

10.1　按位运算 168

10.2　实现方法 169

10.3　按位运算应用 173

第11章 扩展SAS功能 177

11.1　通过 Module调用外部 DLL函数 177

11.2　用 C 语言开发用户函数库 182

11.2.1　准备64位 C 编译环境 182



SAS技术内幕：从程序员到数据科学家

11.2.2　开发用户自定义动态库 183

11.3　PROTO 编写 C 代码或注册外部 DLL 184

第12章 数据结构——数组 187

12.1　数组 187

12.1.1　DATA步数组 187

12.1.2　FCMP 数组 189

12.1.3　DS2 数组 192

12.1.4　SAS宏数组 193

12.2 数组应用：高精度数值计算 194

第13章 数据结构——队列与堆栈 196

13.1　队列 196

13.1.1　函数版实现与示例 196

13.1.2　宏版实现与示例 199

13.2　堆栈 202

函数版实现与示例 202

第14章 数据结构——链表 206

14.1　基础知识 206

14.2　如何在 SAS 代码中内嵌 C 语言代码 207

14.3　单向链表和双向链表 209

14.4　链表应用：约瑟夫斯问题 216

第15章 数据结构——二叉树 221

15.1　PROTO 实现与封装 221

15.2　FCMP二叉树实现 227

15.3　二叉树应用：算术表达式求值 231

第16章 数据结构——矩阵运算 235

16.1　FCMP 矩阵运算 236

16.2　DS2 矩阵运算 243

16.3　矩阵应用：线性方程组求解 246

16.4　矩阵应用：非线性方程组求解 248

第17章 数据结构——图 255

17.1　深度优先和广度优先遍历 256

17.2　最短路径问题 260

17.2.1　Dijkstra算法 261

17.2.2　Bellman-Ford 算法 263

17.2.3　Floyd-Warshall 算法 265



目 录

下 卷

第18章 统计学基础 270

18.1　数据特征度量 270

18.1.1　集中趋势度量 272

18.1.2　离散趋势度量 274

18.1.3　分布特征度量 277

18.1.4　置信区间、置信水平与 p-值 279

18.2　统计学上的变量类型 280

18.3　基本数据处理 283

18.3.1　排序与排名 284

18.3.2　数据转置 285

18.3.3　堆叠与拆分 286

18.3.4　过滤数据 287

18.3.5　随机抽样 289

18.3.6 基本统计量 290

18.4　基本图形图表 292

18.5　SAS 产品与过程步概览 303

18.5.1　SAS核心产品功能简介 305

18.5.2　Base SAS 过程步速查 309

18.5.3 SAS/STAT过程步速查 318

第19章 大数定律与中心极限定理 327

19.1　大数定律 327

19.1.1　弱大数定律 327

19.1.2　三种大数定律 329

19.1.3　图形化证明 330

19.1.4　强大数定律 333

19.2　中心极限定理 334

19.2.1　大数定律与中心极限定理关系 335

19.2.2　图形化证明 336

19.2.3　实际用途 340

第20章 统计分布 342

20.1　均匀分布 342

20.2　离散型统计分布 345

20.2.1　伯努利分布 345



SAS技术内幕：从程序员到数据科学家

20.2.2　二项分布 347

20.2.3　几何分布 353

20.2.4　负二项分布 357

20.2.5　超几何分布 360

20.2.6　泊松分布 362

20.3　连续型统计分布 365

20.3.1　正态分布 365

20.3.2　对数正态分布 373

20.3.3　指数分布 376

20.3.4　卡方分布 379

20.3.5　学生t-分布 381

20.3.6　F分布 387

20.3.7　柯西分布 390

20.3.8　贝塔分布 392

20.3.9　伽马分布 395

20.3.10　爱尔朗分布 397

20.3.11　韦布尔分布 399

20.3.12　三角分布 400

20.3.13　Table 分布 401

附录：各统计分布之间的关系 403

第21章 方差分析 404

21.1　假设检验 404

21.2　方差分析 406

21.2.1　学生t-检验 406

21.2.2　单因子方差分析 408

21.2.3　双因子方差分析 418

第22章 数据标准化 421

22.1　常用标准化方法 421

22.2　SAS数据标准化 424

22.3　自定义数据标准化 429

第23章 主成分分析与因子分析 433

23.1　主成分分析 434

23.1.1　主成分分析原理 435

23.1.2　主成分分析的具体步骤 436

23.2　因子分析 443



目 录

23.2.1　因子分析原理 443

23.2.2　巴特利球度检验和 KMO 检验 443

23.2.3　因子分析的具体步骤 445

第24章 相关分析与回归分析 450

24.1　变量关系 450

24.2　相关分析 451

24.2.1　线性相关性度量 451

24.2.2　非参数关联度量 452

24.2.3　定量数据的相关分析 455

24.2.4　类别数据的相关分析 457

24.3　回归分析 460

第25章 聚类分析 467

25.1　聚类度量 469

25.1.1　距离系数 469

25.1.2　相似性/相关系数 471

25.1.3　SAS实践 473

25.2　聚类形成方法 475

25.2.1　一次形成分类系统 475

25.2.2　K-均值聚类 477

25.2.3　逐步形成分类系统 485

25.2.4　R 型聚类分析 491

25.3　自己实现聚类算法 494

25.3.1　K-均值方法 494

25.3.2　逐步形成分类系统 501

附录：聚类度量的自定义实现 509

第26章 神经网络 512

26.1　神经元模型 513

26.2　神经网络 517

26.2.1　训练神经网络 519

26.2.2　反向传播算法 519

26.3　SAS 代码实现与范例 524

第27 章 π高精度求解与探索分析 536

27.1　π值计算 537

27.1.1　蒙特卡罗方法 543

27.1.2　蒲丰投针方法 544



SAS技术内幕：从程序员到数据科学家

27.1.3　微积分方法 545

27.1.4　幂级数方法 546

27.1.5　幂级数高精度方法 548

27.1.6　梅钦类公式高精度方法 550

27.1.7　迭代方法——贝拉公式 554

27.2　π值分析 557

27.2.1　数字分布规律 558

27.2.2　可视化探索 561

附录 564

参考文献 598

SAS技术内幕：从程序员到数据科学家
个RUN 语句，但只有在遇到 QUIT 语句时 SAS 才释放系统资源返回当前SAS 会话。
●全局语句：在 DATA 步或PROC步之外，SAS还包括若干全局语句，通常用于指
定全局选项或者其他全局性的功能。比如 TITLE语句就可用来指定后续PROC 步
输出报告的标题文字，其中TITLE# （#为数字，如TITLE2）全局语句可用来指
定特定级别的标题，最多可达11级。如果希望在输出的图表中关闭特定级别的
报表标题，用户可以无参数调用TITLE 语句来实现。比如程序 1-2 可设置报表
输出的标题。
程序1-2 全局语句
title "The title of my first report"; /*设置输出报告的标题*/
title2 "Author：Yinliang Wu"; /*设置第二级的报告标题*/
title; /*关闭报告标题*/
各种SAS 选项语句也属于全局语句，功能上类似于操作系统的环境变量，不过它
用来指定当前SAS 会话有关的系统设置，如程序1-3 用于设置当前会话（Session）的
语言区域属性（Locale）为英文，此时后续的过程步都会受此选项影响输出英文语言
的报告。
程序1-3　全局语句
options locale=en_US;/*设置会话的语言区域属性*/
●DATA 步：数据步负责为后续数据步或过程步准备待分析的数据，它是SAS语言
核心的组成部分之一。其基本语法为
data mydata;
<语句和数据>;
run;
比如程序1-4 创建一行具有5 列的数据表，其中Name 和Sex 是字符型变量，其他
3 个为数值型变量。它与系统数据集sashelp.class 的表结构类似。
程序1-4　DATA步范例
data mydata;
input Name $ Sex $ Age Height Weight;
datalines;
LEON M 30 175 83.5
run;
●PROC步：SAS过程步是执行特定任务的一系列SAS语句的集合，它以 PROC 语
句开始，一般到下一个 RUN语句结束；如前所述，某些PROC 如PROC SQL 允许
有多条RUN语句提交代码到DBMS内执行，但只有当该PROC最后一个QUIT语
句运行后才会释放资源返回SAS会话环境。每个过程步都有自己特定的SAS 语
句，也有很多过程步共享相同的SAS 语句和参数选项，如几乎所有的过程步都
有data= 参数用来指定待处理的输入数据集名称（见程序1-5）。

程序1-5　PROC步范例

proc contents data=mydata;

run;

proc print data=mydata;

var name height;

run;

参数data=mydata是proc contents和proc print两个过程步语句都有的选项，用来指
定过程步的输入数据集。如果过程步没有指定data=参数，则系统默认使用当前SAS
会话中最后使用或生成的那个数据集，该数据集的名称也存在于当前会话的系统宏变
量&SYSLAST。

●
程序注释：代码注释通常用于标注不可执行的文本，如描述程序的功能，或出于生
成文档的目的在代码中添加说明性文本。注释还可用来在调试代码过程中将已经
调试好的SAS代码暂时隔离，当代码运行时注释中的代码会被编译器自动忽略，但
SAS注释依然会被写入SAS日志文件。 鉴于SAS宏本质是文本替换，需要特别注意的
一点是在MACRO宏代码中应尽量使用块注释，谨慎使用行注释以免导致不期望的宏
展开，宏代码中使用行注释应中以 %* 开始，分号结束。SAS块注释和行注释如下。


（1）块注释：SAS 语言支持C/C++和 Java 等语言广泛使用的块注释，它以 /*开
始，以后续最近的*/号结束，注释可以包含分号以及任何长度的文本，也可以跨行（见
程序 1-6）。但SAS代码不支持嵌套使用块注释。

程序1-6　块注释

/*

* 块注释1…

*/

proc contents data=mydata;

run;

（2）行注释：行注释以星号“*”开始，结束于最近的一个分号“;”处。虽然它可
注释多行文本，但它总是以最近的一个分号（包括引号中的分号）结束；其设计初衷用
于调试过程中注释掉单行语句，跨多行的文本建议使用块注释以免产生意想不到的结果。
（见程序 1-7）。

程序1-7　行注释

* 行注释1…;

proc contents data=mydata; * 行注释２…;

* 行注释３…;

run;

虽然SAS代码在格式上具有很强的灵活性，但良好的代码风格能提高代码的可读性
和可维护性。因此，一般情况下请遵循如下SAS代码格式化规范，使SAS代码具有较
强的可读性。

（1）全局语句、DATA / PROC步语句、步结束语句RUN / QUIT 等语句应开始于
第一列，而其他子语句通常采用逐级缩进，以显示层次结构关系。



SAS技术内幕：从程序员到数据科学家
（2）SAS 步与步之间通常用空行分隔，以表示SAS 代码的编译边界，方便代码错
误调试。
（3）当单行代码因参数较多导致长度较大时，应折行处理，并在该语句的结束分
号后加上一个空行。
总的来说，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，数据步主要解决待分析的数据结构和数据准备问题，而过程步解决特定分析
方法和流程的实现和封装；这两种SAS 步就像数据结构和算法设计，大体上分别负责数
据结构和算法逻辑实现。只有当需要更加复杂的自定义数据处理和分析算法时，才需要
后面章节中将会讲到的各种函数封装进行扩展。
1.2　编程环境
SAS 编程需要使用什么样的开发环境？其实它跟其他计算机语言一样，可用任何纯
文本编辑器编写SAS 代码，如 Windows 平台的记事本，NotePad+ + 或者UltraEditor 工具。
也可以使用UNIX 上的vi 来编辑代码，不过需要注意的是Windows 平台使用回车换行符
CRLF 而Unix 平台使用换行符LF 进行文本换行。用文本编辑器生成的SAS 代码文件，其
文件编码（File Encoding ）需要与SAS 运行时的会话编码（Session Encoding ）匹配，否则可
能出现不期望的乱码或程序行为。这并不是SAS 语言编程特定的文件处理问题，而是所有
编程语言都会面临的源代码文件编码和编译器读取文件的所采用的编码之间的匹配问题。
在SAS 执行环境中检查当前SAS 会话编码，可使用PROC OPTIONS 过程步检查（见
程序 1-8），它会输出当前SAS 系统使用的默认语言区域设置以及字符集编码信息。
程序1-8　检查当前SAS会话的Locale/Encoding 设置
proc options option=(locale encoding);
run;
对于用户用文本编辑器编写好的SAS 代码，如何用命令行方式编译运行SAS 代码？
对于已经安装好SAS 环境的机器，用户只需要调用sas.exe 然后指定-sysin 命令行参数
将SAS 代码文件的全路径传递给SAS 即可。默认SAS 代码运行后生成的日志文件会输
出到当前路径，用户也可以使用命令行参数-log 进行指定。比如：
C:\>"C:\Program Files\SASHome\SASFoundation\9.4\sas.exe"
-sysin C:\temp\helloworld.sas -log C:\temp\helloworld.log
SAS 默认使用配置文件为C:\Program Files\SASHome\SASFoundation\9.4\sasv9.cfg，
也就是当前机器上安装SAS 时生成的默认配置。检查该文件的内容可发现它默认指向
了SAS 安装目录下面的某个语言特定的配置文件。比如在中文环境上安装的SAS，该
sasv9.cfg 文件的内容如下，表示默认使用中文配置来建立SAS 会话环境并运行SAS 代码。
-config "C:\Program Files\SASHome\SASFoundation\9.4\nls\zh\sasv9.cfg"

如果用户想在中文的环境上运行特定配置的SAS，如希望用纯英文版SAS执行用
户代码，用户只需要在运行SAS代码时直接指定特定配置文件即可。检查该环境运行的
SAS日志文件将会发现所有的输出内容变成了英文文本。

C:\>"C:\Program Files\SASHome\SASFoundation\9.4\sas.exe"

-config "C:\Program Files\SASHome\SASFoundation\9.4\nls\en\sasv9.cfg"

-sysin C:\temp\helloworld.sas -log C:\temp\helloworld.log

同理，如果想用英文版SAS执行代码但程序中又要支持处理中文数据，用户则可以
使用SAS安装目录中的 nls\1d\sasv9.cfg 配置文件；如果想用Unicode版本的SAS来运
行代码，则需要使用 nls\u8\sasv9.cfg 配置文件。

本书是写给程序员的数据分析技术入门书籍，成书于 2017 年作者在北京大学教授
面向研究生和高年级本科生的“统计分析与商务智能”选修课期间，它试图在程序世界
和数据分析世界之间架起一座坚实的桥梁。

本书主要包括上下两卷内容：程序员视角下的SAS 编程技术和数据结构，数据科学
家视角下的数据分析理论和SAS实践。

上卷主要包括 SAS 语言入门、数据集与DATA步、变量与表达式、流程控制、函
数封装、SAS 宏、DS2、代码组织、文件读写、按位运算以及扩展 SAS 功能。另外，还
从程序员的视角阐述了各种数据结构在 SAS 中的编程实现和应用，包括 SAS 数组、队
列与堆栈、链表、二叉树、矩阵运算和图等。

下卷包括统计学基础、大数定律与中心极限定理、统计分布、方差分析、数据标准化、
主成分分析与因子分析、相关分析与回归分析、聚类分析、神经网络，最后以 π 值高精
度求解和探索分析结束。

本书内容涵盖理论和实践，章节组织采用从简单到复杂的方式。本书囊括数据分析
技术方面较为核心的基础内容，试图与读者一起触及数据世界分析与智能的核心。各章
为读者提供简洁可运行的 SAS 示例代码、算法实现以及快速指南，为广大受过计算机科
学教育的程序员向数据科学家华丽转身提供了必要的快速入门指导。本书附录还提供二
项分布、泊松分布和标准正态分布累积概率表以及t分布、χ2分布和 F 分布临界值表的
制作与查找方法。本书适用于各大专院校统计分析专业和信息处理专业的学生，有志于
从事数据分析的广大程序员、统计分析从业人员以及所有想成为数据科学家的专业人士。

本书与传统的SAS数据分析书籍不同之处在于，它从程序员的视角出发，循序渐进
探讨数据分析的各个方面，避免 “知其然而不知其所以然” 。因此，阅读本书可使你
从完全不了解SAS到对SAS“有所了解”，从而掌握数据分析的要义和精髓，实现从
程序员到数据科学家的华丽转身！

最后，诚挚感谢北京大学信息科学技术学院博士生导师、中国ACM教育专委会主
席张铭教授为本书作序。感谢SAS中国研发中心总经理刘政博士给予的大力帮助和指导，
感谢SAS大中华区前市场总监蒋顺利先生、高级市场经理曾秋媚女士在写作过程中给予
的帮助和支持，感谢在写作过程中给予特别帮助的SAS中国研发中心的同仁们。感谢清
华大学出版社编辑部的刘洋先生和全体同仁的辛勤工作，是他们的努力使本书得以与读
者见面！感谢恩师陈永金先生以及所有在我生命中给予帮助的人们！特别感谢与我一路
同行的知己和家人，是他们赋予了我生命的色彩与力量！

巫银良

　2018年8月