sas单变量的特征分析
大炮,我有个烦恼,我领导最近老叫我单变量结合因变量分析,但是都是分段分析,我总是写proc sql然后group by
,但是这个过程好无聊啊,有木有什么新的代码,让我可以分析的快点啊。
最近写了个宏,刚好可以解决你这个问题,在上代码之前,先来个结果图
詹大炮
这个结果对于分析来说是不好的,因为这个结果没啥实际意义,说白了就是跟因变量没关系,但是这个图我们不是要来讲变量怎么有用,我们要介绍的是这段代码最后呈现的一个结果是怎样的。
代码:
%macro ChcAnalysis(DSin, DVVar, VarX,
NBins, Method, DSChc);
proc sort data=&DSin;
by &VarX;
run;
Data temp;
set &DSin ;
by &VarX;
_Obs=_N_;
keep &DVVAr
&VarX _Obs;
run;
proc sql noprint;
%if &Method=1 %then
%do;
select count(&DVVar)
into :N from temp;
select max(_Obs), min(_Obs) into :Vmax,
:Vmin from temp;
%let
BinSize=%sysevalf((&Vmax)/&Nbins);
%let LB_1=0;
%do i=1 %to
%eval_r(&Nbins-1);
%let
LB_&i=%sysevalf(&LB_1
(&i-1)*&BinSize);
%let
UB_&i=%sysevalf(&&LB_&i
&BinSize);
select sum(&DVVar) ,
count(*) into :Sum_&i , :N_&i from
temp
where
_obs>=&&Lb_&i
and
_obs<&&Ub_&i;
%end;
%let
LB_&NBins=%sysevalf(&LB_1
(&NBins-1)*&BinSize);
%let
UB_&NBins=&Vmax;
select sum(&DVVar) ,
count(*) into :Sum_&i , :N_&i from
temp
where
_obs>=LB_&NBins and
_obs<=UB_&NBins;
%end;
%else %do ;
select count(&DVVar)
into :N from temp;
select max(&VarX),
min(&VarX) into :Vmax, :Vmin from temp;
%let
BinSize=%sysevalf((&Vmax-&Vmin)/&Nbins);
%let LB_1=&Vmin;
%do i=1 %to
%eval_r(&Nbins-1);
%let
LB_&i=%sysevalf(&LB_1
(&i-1)*&BinSize);
%let
UB_&i=%sysevalf(&&LB_&i
&BinSize);
select sum(&DVVar) ,
count(*) into :Sum_&i , :N_&i from
temp
where
&VarX>=&&Lb_&i
and
&VarX<&&Ub_&i;
%end;
%let
LB_&NBins=%sysevalf(&LB_1
(&NBins-1)*&BinSize);
%let
UB_&NBins=&Vmax;
select sum(&DVVar) ,
count(*) into :Sum_&i , :N_&i from
temp
where
&VarX>=&&Lb_&i
and
&VarX<=&&UB_&i;
%end;
quit;
data &DSChc;
%do i=1 %to &NBins;
Bin=&i;
LowerBound=&&LB_&i;
UpperBound=&&UB_&i;
if
(&&sum_&i =. ) then
N_1=0; else
N_1=&&Sum_&i;
if
&&N_&i=. then
BinTotal=0; else
BinTotal=&&N_&i;
N_0 = BinTotal-N_1;
Percent_1=100*N_1/BinTotal;
Percent_0=100*N_0/BinTotal;
output;
%end;
Run;
proc datasets nodetails nolist
library=work;
delete temp;
run;
quit;
%mend;
詹大炮
还是老样子,分段介绍。
01
% ChcAnalysis(DSin, DVVar, VarX, NBins,
Method, DSChc);
DSin:填入的是原数据集;
DVVar:填入因变量,这里我们分析的是二元的因变量,所以因变量一定要是二元的,并且必须是数值的0,1。因为在代码中设定的就是这样子的,至于你问我为什么不能是字符,那是因为我还没能耐写字符的。
VarX:你要分析的变量(数值的哈)
NBins:分几段分析。结果的例子是分了5段;
Method:怎么分。1-等高度分,2-等宽度分。我的结果图那个是按2分的。
DSChc:结果数据集的输出名字。
02
proc sort data=&DSin;by
&VarX;run;
Data temp;
set &DSin ;
by &VarX;
_Obs=_N_;
keep &DVVAr
&VarX _Obs;
run;
将原数据集中的变量排序,后面的分组的时候要用到。然后保留要分析的变量在temp数据集中,产生变量_Obs,作为序号,这是等高度分析的时候要用的。等高度的意思就是每个区间的数量是一样的,等宽度的意思是,区间的的差值是一样的。两个不同的情况,在分析的时候,如果等宽的结果你觉得不是很明显可以分析的话,就换等高,任意切换哈。
temp的数据集是长这样子的:
_obs是观测的序号。
03
proc sql noprint;
%if &Method=1 %then
%do;
select count(&DVVar)
into :N from temp;
select max(_Obs), min(_Obs) into :Vmax,
:Vmin from temp;
%let
BinSize=%sysevalf((&Vmax)/&Nbins);
%let LB_1=0;
%do i=1 %to
%eval_r(&Nbins-1);
%let
LB_&i=%sysevalf(&LB_1
(&i-1)*&BinSize);
%let
UB_&i=%sysevalf(&&LB_&i
&BinSize);
select sum(&DVVar) ,
count(*) into :Sum_&i , :N_&i from
temp
where
_obs>=&&Lb_&i
and
_obs<&&Ub_&i;
%end;
%let
LB_&NBins=%sysevalf(&LB_1
(&NBins-1)*&BinSize);
%let
UB_&NBins=&Vmax;
select sum(&DVVar) ,
count(*) into :Sum_&i , :N_&i from
temp
where
_obs>=LB_&i. and
_obs<=UB_&i.;
%end;
%else %do ;
select count(&DVVar)
into :N from temp;
select max(&VarX),
min(&VarX) into :Vmax, :Vmin from temp;
%let
BinSize=%sysevalf((&Vmax-&Vmin)/&Nbins);
%let LB_1=&Vmin;
%do i=1 %to
%eval_r(&Nbins-1);
%let
LB_&i=%sysevalf(&LB_1
(&i-1)*&BinSize);
%let
UB_&i=%sysevalf(&&LB_&i
&BinSize);
select sum(&DVVar) ,
count(*) into :Sum_&i , :N_&i from
temp
where
&VarX>=&&Lb_&i
and
&VarX<&&Ub_&i;
%end;
%let
LB_&NBins=%sysevalf(&LB_1
(&NBins-1)*&BinSize);
%let
UB_&NBins=&Vmax;
select sum(&DVVar) ,
count(*) into :Sum_&i , :N_&i from
temp
where
&VarX>=&&Lb_&i
and
&VarX<=&&UB_&i;
%end;
quit;
我知道你肯定要说,这密密麻麻的%
&*我不想看。但是你看下嘛,不难的,我介绍介绍给你看嘛。
首先这段代码需要分成两步来看,第一步是当我们的&Method=1
的情况执行do后面的程序,反之,则是当我们的&Method=2的时候的情况啦。
然后我们来讲&Method=1情况时执行的代码:
select count(&DVVar)
into :N from temp;
select max(_Obs), min(_Obs) into :Vmax,
:Vmin from temp;
第一个select赋值宏是算出全部的观测数。
第二个select是算出最大的那个序号,其实我个人觉得这步有点多
余,你想直接用n也可以的,只是我想跟&Method=2的思路一样,所以就没删。
%let
BinSize=%sysevalf((&Vmax)/&Nbins);
%let LB_1=0;
%do i=1 %to
%eval_r(&Nbins-1);
%let
LB_&i=%sysevalf(&LB_1
(&i-1)*&BinSize);
%let
UB_&i=%sysevalf(&&LB_&i
&BinSize);
select sum(&DVVar) ,
count(*) into :Sum_&i , :N_&i from
temp
where
_obs>=&&Lb_&i
and
_obs<&&Ub_&i;
%end;
BinSize因为是&Method=1,所以这里BinSize是区间的差值,这里有个宏函数%sysevalf就自己百度下用法吧,这里就不介绍了。%do
i=1 %to
%eval_r(&Nbins-1);这一步就开始循环,这里为什么只循环到倒数第二个呢,是因为倒数第一个直接就是剩下的全部,就不需要再区间限制了。
%let
LB_&i=%sysevalf(&LB_1
(&i-1)*&BinSize);
%let
UB_&i=%sysevalf(&&LB_&i
&BinSize);
这两步是产生这个分组的上下区间,然后用于后面的select语句中的where条件,把该区间的数量统计出来。
select sum(&DVVar) ,
count(*) into :Sum_&i , :N_&i from
temp
where
_obs>=&&Lb_&i
and
_obs<&&Ub_&i;
%end;
这个过程特别注意的就是sum(&DVVar),是用sum,这就是我一开始为什么说因变量是二元的,而且要是0,1的情况就是方便这里统计啦。
%let
LB_&NBins=%sysevalf(&LB_1
(&NBins-1)*&BinSize);
%let
UB_&NBins=&Vmax;
select sum(&DVVar) ,
count(*) into :Sum_&i , :N_&i from
temp
where
_obs>=LB_&i. and
_obs<=UB_&i.;
%end;
这就是第四步啦,
%let
LB_&NBins=%sysevalf(&LB_1
(&NBins-1)*&BinSize);
%let
UB_&NBins=&Vmax;
产生最后的区间,这里的i是5了,其实我一直很不能理解到这步,为什么还可以输出i=5呢,不是i只循环到4吗?但是执行的时候就是这样子的,这个套路是仿照之前的等高度分变量区间的那个代码写的。
我还特地看了日志也循环了:
我觉得应该是sas的处理流程,在pdv层面应该可以解释,跪求大神在留言区解释。万分感激。
那么&Method=2的部分就留给你自己去看啦,还是&Method=1的那种套路,只是等区间变量等量而已。
04
data &DSChc;
%do i=1 %to &NBins;
Bin=&i;
LowerBound=&&LB_&i;
UpperBound=&&UB_&i;
if
(&&sum_&i =. ) then
N_1=0; else
N_1=&&Sum_&i;
if
&&N_&i=. then
BinTotal=0; else
BinTotal=&&N_&i;
N_0 = BinTotal-N_1;
Percent_1=100*N_1/BinTotal;
Percent_0=100*N_0/BinTotal;
output;
%end;
Run;
然后这部分就是以上产生的宏,拼接成结果数据集。这里应该注意的是,每循环一个,就是产生一条观测之后output到数据集,如此循环之后需知道i=&nbins为止。数据分析师培训
sas单变量的特征分析的更多相关文章
- R 单变量重命名与删除
单变量重命名 b = rename(b,c(target="flag")) 单变量删除 b = b[,names(b)!='age'] 或者 b[,"age&quo ...
- 机器学习之单变量线性回归(Linear Regression with One Variable)
1. 模型表达(Model Representation) 我们的第一个学习算法是线性回归算法,让我们通过一个例子来开始.这个例子用来预测住房价格,我们使用一个数据集,该数据集包含俄勒冈州波特兰市的住 ...
- Coursera《machine learning》--(2)单变量线性回归(Linear Regression with One Variable)
本笔记为Coursera在线课程<Machine Learning>中的单变量线性回归章节的笔记. 2.1 模型表示 参考视频: 2 - 1 - Model Representation ...
- MATLAB 单变量函数一阶及N阶求导
1 对一维函数的求导及求特定函数处的变量值 %%最简单的一阶单变量函数进行求导 function usemyfunArray() %主函数必须位于最上方 clc clear syms x %syms ...
- 机器学习(二)--------单变量线性回归(Linear Regression with One Variable)
面积与房价 训练集 (Training Set) Size Price 2104 460 852 178 ...... m代表训练集中实例的数量x代表输入变量 ...
- [数据可视化之一]Pandas单变量画图
Pandas单变量画图 Bar Chat Line Chart Area Chart Histogram df.plot.bar() df.plot.line() df.plot.area() df. ...
- Machine Learning 学习笔记2 - linear regression with one variable(单变量线性回归)
一.Model representation(模型表示) 1.1 训练集 由训练样例(training example)组成的集合就是训练集(training set), 如下图所示, 其中(x,y) ...
- Ng第二课:单变量线性回归(Linear Regression with One Variable)
二.单变量线性回归(Linear Regression with One Variable) 2.1 模型表示 2.2 代价函数 2.3 代价函数的直观理解 2.4 梯度下降 2.5 梯度下 ...
- python 单变量线性回归
单变量线性回归(Linear Regression with One Variable)¶ In [54]: #初始化工作 import random import numpy as np imp ...
随机推荐
- LUOGU P3161 [CQOI2012]模拟工厂 (贪心)
传送门 解题思路 贪心,首先因为\(n\)比较小,可以\(2^n\)枚举子集.然后判断的时候就每次看后面的如果用最大生产力生产能不能达成目标,解一个二次函数. 代码 #include<iostr ...
- 云-腾讯云-云通信:云通信(IM)
ylbtech-云-腾讯云-云通信:云通信(IM) 企业数字化转型的通信助手,让通信触达全球,智联万物 1.返回顶部 1. 云通信(Instant Messaging,IM)承载亿级 QQ 用户即时通 ...
- iOS开发JSON字符串和字典互转
1.相关属性简述 NSJSONReadingOptions读取属性: typedef NS_OPTIONS(NSUInteger, NSJSONReadingOptions) { NSJSONRead ...
- Spring Cloud Config的配置中心使用非对称性加密
首先,我们需要通过keytool工具来生成密钥对. keytool是JDK中的一个密钥和证书管理工具.它使用户能够管理自己的公钥/私钥对及相关证书,用于(通过数字签名)自我认证(用户向别的用户/服务认 ...
- 旋转矩形碰撞检测 OBB方向包围盒算法
在cocos2dx中进行矩形的碰撞检测时需要对旋转过的矩形做碰撞检查,由于游戏没有使用Box2D等物理引擎,所以采用了OBB(Oriented bounding box)方向包围盒算法,这个算法是基于 ...
- Python第一课-Python的下载与安装
官网 https://www.python.org/ 我们安装的是windows 系统 Python3和Python2版本不兼容,我们下载最新的Python3.7.4 下载executatable版本 ...
- 面试系列24 dubbo负载均衡策略和集群容错策略
(1)dubbo负载均衡策略 1)random loadbalance 默认情况下,dubbo是random load balance随机调用实现负载均衡,可以对provider不同实例设置不同的权重 ...
- JS数组 编程练习 使用Javascript语言,把以下数组 在页面显示如下图所示的图案
编程练习 使用Javascript语言,把以下数组 var arr = ['*','##',"***","&&","****&quo ...
- 如何将存储在MongoDB数据库中的数据导出到Excel中?
将MongoDB数据库中的数据导出到Excel中,只需以下几个步骤: (1)首先,打开MongoDB安装目录下的bin文件夹,(C:\Program Files (x86)\MongoDB\Serve ...
- 高速网络下的http协议优化
http协议是基于TCP协议,具备TCP协议的所有功能.但是与一般TCP的长连接不同的是http协议往往连接时间比较短,一个请求一个响应了事.但是总所周知,TCP协议除了具备可靠的传输以外,还有拥塞控 ...