3.2　数值型变量与字符型变量

变量类型或数据类型是一门语言的基础，它构成了一门语言变量的结构基础。

学过其他语言的朋友们，应该听说过很多变量类型的名字，例如Java语言中的整型、长整型、浮点型、双浮点型、布尔型、字符型等，在编程过程中如果没有选择合适的变量类型，会为后续编程带来很多烦恼，不得不返工。

在第1章中，我们提到SAS是一门高级语言。所谓高级，就是与我们的本能反应更加接近，不需要花额外的时间成本来记忆与理解，让编程者将注意力放在编程本身上。在数据类型上，SAS的数据类型只分为字符型和数值型，不包含更复杂的分类。下面分别介绍两种变量类型及它们对应的函数。

3.2.1　两种变量的概念

数值型变量用于存储数字，长度为3～8位，最大值为253，对于日常分析已经足够了。在创建数值型变量的时候，SAS会默认将变量的长度设置为8。其他长度可以使用length语句进行定义，例如以下语句：

执行后可以获得数据集new，变量var1的长度为3，值为256。

在日常编程时，我们一般不用考虑数值型变量的长度问题。如果涉及项目要求，可以参照表3-4所示的数值变量长度与可存储数的对应关系，选择合适的数值变量长度。

长度的选择依赖于对数据的预估。例如数据集为世界国家与人口数量的数据，考虑到人口最多的国家的人口数不超过20亿，我们设定变量的长度至少为6。数值型变量的长度会影响变量被存储时所占的空间，但考虑到SAS优秀的内存管理能力，我们并不需要过分关切数值型变量的长度。

字符型变量用于存储字符串，长度可以自己定义，如果没有定义，则会按照创建时所需的最短长度自动定义。例如，运行以下代码：

执行结果如图3-13所示，生成的var2的长度就与其内容“Hello，World”一样为12。

SAS的设定可以尽量地节约存储空间，却也会为我们编程带来一些不便。

例如运行以下程序：

运行结果如图3-14所示。

生成一个药品名称的数据集，手动输入3种药物的名字，可以看到前两条记录的药品名称正常显示，而最后一条记录的药品名称却被截取了。这是因为当第一条记录Ibuprofen创建的时候，变量drug的长度按照Ibuprofen已经设置为9，后来的数据不会影响变量的长度。第二条记录Aspirin长度为7，所以可以全部显示，第三条记录Acetaminophen的长度为13，但因为变量长度已经设置为9，超过9的长度会被截取，截取过程如图3-15所示。

在工作的时候，如果涉及定义字符型变量，我们要考虑它的长度，在创建之前进行定义。SAS的定义变量长度的方法有很多，最简单的方法为使用length语句，例如如下代码：

运行之后生成3条记录的数据集，包含一个变量DrugName，在为变量赋值前，我们已经使用length语句定义DrugName的长度为200，所以3条记录中的内容都被完整保留。注意，在设定长度的时候，字符型变量长度前要加$符号，而数值型变量不需要。

3.2.2　数值型变量的相关函数

函数是很多编程语言的基础，它是组织好的、可重复使用的、用来实现单一或相关联功能的封装功能块，函数一般由函数体和参数两部分构成，结构为：函数名（参数1，参数2，…）。函数名是SAS系统定义的实现特定功能的封装功能，不区分大小写；参数紧跟函数名，在括号之内，根据括号内参数的数量，函数可以分成单参函数和多参函数，多个参数之间使用逗号分隔。如果参数使用不当，SAS会停止运行并报错。

SAS提供了大量函数，用于计算或文本处理，熟练使用这些函数并加以组合可以更快地完成数据分析工作。最简单的计算功能可以用+、-、*、/、^完成，它们可以分别完成加减乘除和乘方的操作。SAS也提供了大量用于相对复杂计算的函数。

表3-5中所示的函数可以对数值型变量进行运算。

其中，前5个函数后面的参数可以接无数个，以逗号隔开。

例如以下代码：

运行后获得如图3-16所示的结果。average为变量day1与day2的平均值。

注意：data步中的函数只能进行“同行操作”，即一个函数只能处理同一行的多个变量，而无法处理一个变量的多条记录，例如在上述案例中，mean函数只能计算每一条记录中的day1与day2的平均值，而不能获取day1变量在所有记录中的平均值。

如果想要获取某变量在所有记录的平均值，SAS可以做到吗？答案当然是可以。只不过这将用到proc步骤，这是SAS独有的数据处理功能，我们将在下一章有所涉及。

有时在处理数字时，我们需要对数字取近似数，这就要用到表3-6所示的3种函数之一。

如图3-17所示的数据，每个数字都有较多的小数点位数，比较和查看起来非常麻烦。

我们可以运行以下代码：

运行后得到如图3-18所示的结果。

生成的3个变量中，ceil变量让数字在整数位处直接进位，floor直接去掉了整数位之后的数值，而round按照四舍五入法保留了两位小数，即精确到0.01。round函数如果不指定精确位数，会自动保留至整数位，这是round函数中的默认设置。在SAS中，函数的缺省参数非常常见，在使用中我们可以逐步记忆，有些函数甚至通过改变缺省的参数可以实现完全不同的功能。

另外，SAS还提供三角运算函数sin（）、cos（）、tan（）等，也提供对数运算log（），还有随机数生成，例如rand（）。SAS中的运算函数其实非常多样，因为篇幅所限我们不得不删繁就简，毕竟语言学习不能靠机械地记忆，而要在实践中应用。

3.2.3　字符型变量的相关函数

让我们把思维从数字运算中跳出来，开始学习字符型变量的相关函数。相比起数字的精确，字符型变量能容纳的信息更多，也更接近真实生活中产生的数据，注重字符型变量中的信息挖掘，可以让我们在数据分析中获得更多有效的信息，而这就需要用到字符型变量相关的函数了。

字符型变量的处理可以简单地分为3类：筛选、缩减和转换，按照这3个类别看看每种类别都包括什么函数。

1.字符串的筛选

字符串的筛选是指给定条件，选出字符串的内容或某些内容出现的位置，主要包含表3-7所示的函数。

下面举例说明，例如我们有如下变量：

（1）使用函数substr（），可以截取我们想要的字符内容，例如substr（string，8，5）可以截取字符串World，它从变量string中，从第8位开始连续截取后续5位字符串，返回的值为World。这个函数的用法比较简单，这里提示读者，第三个参数的意义为截取的长度，而非截取的结束位，在刚开始使用时不要记错。另外，与其他某些编程语言不同，SAS记数是从1开始而非0，也就是说，以上字符串的第一个H的位置为1。

（2）使用函数index（），可以返回字符内容是否存在的信息，例如index（string，'W'），string字符串中含有字符W，因此返回的结果为1；若是使用index（string，'z'），则返回的结果为0。index（）函数经常与if从句连用，用于筛选字符串中包含某些字符的记录。另外，当字符内容是多个字符的时候，index函数会依次比较每一个字符，只要有包含在字符串中的就会输出为1，在此例中index（string，'Wz'）返回的结果依旧为1。如果想按照整个单词查找，需要使用index的相关函数indexw。

（3）scan（）函数可以返回字符串按照分隔符分隔后的结果，例如希望将Hello，World与Hello，China分开，那么按照此方法使用scan（string，1，'！'），字符串会按照！分隔，分成如图3-19所示的3部分。

第二个参数1则表示选取第一部分，即Hello，World。这里选取分隔后的区块，计数也是从1开始，若想选取Hello，China部分，则将第二个参数改为2。

（4）find（）函数与index（）函数的功能类似，只是返回的结果是字符内容的所在位置而非仅仅是1或0。例如find（string，'W'）将返回数字8，因为字母W出现在该字符串的第八位，注意这里的位数也是从1开始计算。若某字符出现过多次，那么该函数会返回字符第一次出现的位置，例如find（string，'e'），字母e第一次出现的位置是2，返回值则为2。若字符不包含在字符串中，find（）函数将返回0。

以上4个函数可以两两分组，按照返回值类型分类，find与index返回的结果都是数字，scan和substr返回的都是字符串，在使用时要注意区分，先确定已知情况和期望的结果，再选择合适的函数。

2.字符串的缩减

字符串的缩减是指从字符串中去掉某些内容，这里着重介绍compress（）函数，compress是压缩的意思，是SAS中常用的字符串删减函数。它的基本语法为：

让我们由浅入深，认识一下这个函数。

有时，数据在输入的时候，输入人员会不小心添加多余的空格，为了方便后续处理，需要将字符串中的空格全部去掉，此时使用compress（）函数，例如：

输出结果为“今天是个好日子”，文本前后和中间的空格全部被去掉，此时compress（）函数只有一个参数，即需要处理的文本。这里注意，compress（）函数在处理英文时，也会将单词之间的空格去掉，有时反而增加文本处理的难度。

某些时候，数据更加杂乱，例如某些论坛会限制一些词汇的使用，以塑造良好的网络环境，但聪明的网友想到了很多办法绕过限制词，例如在违禁词之间插入一些符号，使系统无法识别，此时使用compress（）函数删除某些符号，再与限制列表对比，就能获得想要的结果，例如：

假设“抽烟喝酒”是违禁词，在它们中间插入符号@就无法被系统发现，此时的compress（）功能是删除字符串“抽@烟@喝@酒”中的@符号，还原成本来面目，被我们一眼发现。当然，有人会使用多种分隔符，此时compress（）函数也有办法，例如：

将想删除的文本加入第二个参数，compress（）函数都会毫不留情地将它们删除。

现实数据的复杂性超过我们的想象，让我们再考虑考虑更复杂的数据。例如我们手中有一张成绩单如图3-20所示，包含学生的数学成绩，但成绩的录入员将学生的评级也录入到了数学一列。

可以看到学生的成绩是由分数组成加上ABCDEF六种等级，我们希望获得的只有分数，聪明的读者一定想到了可以使用compress（score，'ABCDEF'）来去除等级字母，这是一种很好的办法。但我们在工作中编程，要考虑程序的三用性：可用性、复用性和泛用性。可用性指程序解决目前需求的能力，复用性指程序解决相同结构需求的能力，泛用性指程序解决类似需求的能力，它们的关系如图3-21所示。

三种性质的外延依次放大，我们编程时要在条件允许的情况下最大程度满足三性，才能使程序更加稳健。以上方法在可用性和复用性上没有问题，但泛用性较差，若评分等级更新，加入了其他等级，就需要修改程序。这里可以使用如下方法：

这里用到了compress（）函数的第三个参数——操作符。操作符是某些函数独有的，具有特定指代意思的符号。例如这里的a就是指代全部字符型变量。Compress（）函数有很多操作符，常用的如表3-8所示。

操作符为了方便记忆，其实都是它表示内容的字母缩写，例如a就是alphabet的缩写，d是digit的缩写，i是ignore的缩写，k是keep的缩写，但我们在学习时不用特别记忆，而是在实践中用经验记忆，这才是最快最好的学习方法。

操作符可以多个一起使用，也可以与需要删除的字符一起使用，例如compress（variable，，'ad'）表示删除变量variable中的字符和数字，compress（variable，'abc'，'ik'）表示保留变量variable中的abc和ABC字符。

compress（）函数的使用十分广泛，学好它可以让我们处理字符型变量更加灵活。需要注意的是，操作符的默认位置是compress的第三个参数，因此在没有第二个参数的情况下，需要连续输入两个逗号，表示第二个参数为默认。

除了compress（）函数，表3-9中所示的函数也可以完成字符串的缩减功能。

注意：以上函数的用法比较相似，在工作中我们要选择合适的函数加以使用。

3.字符串的转换

第三大类就是转换类函数。这一类的范围比较广，基本囊括了不是筛选和缩减的所有函数。例如函数translate（）可以将字符型变量中的内容依次替换：

得到的结果为H1223，W3r2d！。字符串中的字母e被替换成了1，l成了2，o成了3，注意该函数的第二个参数为要变成的内容，第三个参数为原字符变量中有的字母，二者不要混淆。

有时，我们希望替换的不是某个字母，而是某个单词，这时就可以用到translate的相关函数tranwrd（）了，具体语法为：

这样得到的结果就变成了Hello，China！，在tranwrd中，第二个参数为原字符变量中的字符串，第三个参数为希望变成的字符串，这与translate是相反的，需要特别留意。另外，我们之前提到过SAS中的值是区分大小写的，大写与小写的值在SAS中会被理解为不同的内容。因此如果使用tranwrd（'Hello，World！'，'world'，'China'）；将第二个参数中的World改为world，执行结果仍然是Hello，World，因为SAS没有找到值world。

还可以计算一个字符型变量的长度，使用length（）/lengthn（）/lengthm（）lengthc（）函数。length（）函数返回字符型变量去掉右空格的长度，例如length（'abcde'）的返回值为5，如果使用length（'abcde '），它的返回值依旧为5，因为length（）函数计算长度是去掉右侧空格的长度。

lengthn（）函数在面对非空字符串时与length（）函数完全相同，只是面对空字符串，length（）函数会返回1，而lengthn（）函数会返回0。

lengthm（）函数返回的是字符串占用内存的长度，而lengthc（）函数返回的是字符串包括结尾空格的长度。

我们用例子来说明：

先定义字符型变量a的长度为50，然后给a定义一个前后都有空格的非空值。

运行以上代码，结果如图3-22所示。

length（）函数与lengthn函数的返回值都是4，这是因为a的最后一位为空格，两个函数均不考虑；lengthm（）函数与lengthc（）函数的返回值为50，这是因为在length语句中我们定义了a的长度为50，所以它占用的内存和包含空格的总长度为50。

在使用length相关函数的时候，一定要注意区分它们的异同。

针对字符型变量，SAS中还有大量函数可供我们使用，因为篇幅所限不能一一介绍，表3-10所示为SAS字符型变量常用的函数，在实践中可以先按图索骥，再灵活运用，最后融会贯通。

在本节最后，相信大家心中还有一个问题，那就是数值型和字符型变量是否可以互相转化呢？答案自然是可以，转化的方法也是使用相关函数。不过，在学习相关函数之前，需要了解SAS中的一个概念——数据格式，它是SAS灵活处理和显示数据重要的概念。下一节我们将探讨数据格式。