SAS创建和使用索引（SAS INDEX)

玩控

一、概述
在合并数据集的时候，可以使用DATA步，但使用DATA 步时需要对KEY VALUE 排序，且KEY VALUE 的名字也必须一致；
也可以用PROC SQL ，不需要进行上述排序、重命名的步骤。 当数据量较小时使用哪种方式都不会影响代码的执行效率，但
1000万行且存在上百变量时上述code的执行效率严重下降。此时若使用index 则会提高代码运行效率。
INDEX 分为简单索引和复杂索引，也可以创建临时索引和永久索引（永久索引一但创建创功，就在文件存储地生成一个.sas7bndx的索引文件）


二、创建索引的方法：
1、DATA 步创建索引
使用（index=）选项在DATA 步创建索引，如下：
显式索引（Explicitly） INDEX=（ID/UNIQUE)
隐式索引（Implicitly) INDEX=(ID)
注：使用显失索引时，若KEY VALUE 不唯一，则会在log 页面生成错误信息。（故推荐用显式索引）。

简单索引：

1. DATA  score(INDEX=(student_id));
   
2.     SET test;
   
3. RUN;

复制代码

也可以同时创建多个简单索引：

1. DATA  score(INDEX=(student_id class));
   
2.     SET test;
   
3. RUN;

复制代码

复杂索引：

1. DATA  score (INDEX = (INDEX_NAME = (ID CLASS))/UNIQUE);
   
2.     SET test;
   
3. RUN; *INDEX_NAME  是创建的复杂索引的名字。

复制代码

2、PROC DATASETS 步创建索引(为已存在的sas数据集创建索引，执行时间快，因为只读取KEY VALUE)

1. PROC DATASETS  LIBRARY=;
   
2.         MODIFY data_set_name;
   
3.         INDEX CREATE var/UNIQUE        NOMISS; *var是创建索引的key value;
   
4.         INDEX CREATE index_name=(var1 var2)/UNIQUE;
   
5. QUIT;
   
6. 
   
7. 注：在PROC DATASET 中删除索引用INDEX DELETE;

复制代码

3、在PROC SQL 中创建索引；

1. PROC SQL ;
   
2.                 CREATE <UNIQUE> INDEX index_name ON column_name; *unique可选;
   
3. QUIT;
   
4.         注：删除索引用DROP INDEX;

复制代码

三、使用索引合并数据集
以下数据集1和2用作后续步骤的datasource.
数据集1： SCORE

1. DATA score;
   
2.     input ID $ SCORES;
   
3.     DATALINES;
   
4.     1   80
   
5.     2   85
   
6.     3   60
   
7.     4   75
   
8.     5   90
   
9.     6   99
   
10.     ;
    
11. RUN;

复制代码

数据集2： AGES

1. DATA AGES;
   
2.     INPUT ID $ AGE;
   
3.     DATALINES;
   
4.     2   18
   
5.     3   19
   
6.     4   16
   
7.     7   20
   
8.     8   19
   
9.     9   15
   
10.     ;
    
11. RUN;

复制代码

创建索引：

1. DATA SCORE(INDEX = (ID));SET  SCORE;RUN;
   
2. DATA AGES (INDEX = (ID));SET  AGES;RUN;

复制代码

交集：

1. data S_AND_A;
   
2.     SET SCORE;
   
3.     _ERROR_ = 0;
   
4.     SET AGES KEY = ID/UNIQUE;
   
5.     IF _IORC_ = 0;
   
6. RUN;

复制代码

只包含SCORE：

1. DATA SCORE_ONLY;
   
2.        SET SCORE;
   
3.        _ERROR_ =0;
   
4.        SET AGES KEY = ID/UNIQUE;
   
5.        IF _IORC_ NE 0 THEN AGE=0;
   
6.    RUN;

复制代码

只包含SCORE 中不属于AGE的ID记录：

1. DATA S_NOTIN_A;
   
2.     SET SCORE;
   
3.     _ERROR_ = 0;
   
4.     SET AGES KEY = ID/UNIQUE;
   
5.     IF _IORC_ NE 0;
   
6.     AGE = 0;
   
7. RUN;

复制代码

只包含AGES中不属于SCORE的ID记录：

1. DATA A_NOTIN_S;
   
2.     SET AGES;
   
3.     _ERROR_ = 0;
   
4.     SET SCORE KEY = ID/UNIQUE;
   
5.     IF _IORC_ NE 0;
   
6.     SCORES = 0;
   
7.    RUN;

复制代码

并集：

1. DATA SOA; SET SCORE(KEEP = ID) AGES(KEEP = ID);RUN;
   
2. PROC SORT DATA =SOA NODUPKEY; BY ID;RUN;
   
3. 
   
4. DATA SORA;
   
5.     SET SOA;
   
6.     _ERROR_ =0;
   
7.         SET SCORE KEY=ID/UNIQUE;
   
8.         IF _IORC_ NE 0 THEN SCORES = 0;
   
9.     _ERROR_ =0;
   
10.         SET AGES KEY = ID/UNIQUE;
    
11.         IF _IORC_ NE 0 THEN AGE = 0;
    
12. RUN;

复制代码

*note:
1:ERROR is reset to 0 to prevent an error condition that would write the contents of the PDV to the SAS log.
2: IORC is a automatic variable(program data vector PDV),it’s used with INDEXed dataset to check whether the direct read found a matching observation,for matched observation IORC =0; otherwise IORC NE 0;
3：不能在一个data步内同时创建和使用索引；
4：当原数据集被覆盖时，原索引丢失，如需使用需新建索引；
5：使用length 语句，防止字符串被截断*