深入理解SAS之数据指针和PDV流程

近期由于助研工作的需要，不可避免地要使用到SAS编程。其实我一开始是拒绝的，因为如果使用R，我的效率将大大提升。但是由于老师的强烈要求，不得不重新捡起已落下一年多的SAS。

理解DATA步的数据指针和PDV流程至关重要。它能帮助我们摸清DATA步中的所有执行语句是如何在缓存区，内存以及I/O系统之间转换的。或许这就是所谓的『大局观』？^_^

基本概念——数据指针和PDV

理解SAS的编译过程，需要先了解两个概念。

• 数据指针：可以理解成在当前的内存缓存区，输入数据所存储的位置；

• PDV(Program Data Vector)：在DATA步中，所有涉及的变量当前值存储在该向量（PDV）中。

SAS程序的编译过程如下图所示：

下面，以一个简单的SAS程序为例，解释具体编译过程。

一个简单的SAS程序

data test;



input x y z;



cards;



1 2 3

4 5 6

;



run;

编译过程

1. 编译程序，开辟一块内存空间给x，y，z三个变量。

2. 初始化变量为缺失值。用INPUT语句输入的这三个变量在DATA步执行之前被置为缺失值，若是RETAIN语句创建的变量，则被保留。

3. 执行INPUT语句。读入第一行观测，并把读入的数据放在PDV。

4. 执行RUN语句。将PDV中的数据输出至DATA步创建的test数据集中。

5. SAS返回到DATA语句之后的第一个语句，并初始化PDV中非RETAIN语句创建的变量为缺失值。继续读入下一行观测数据至PDV。

6. 如此循环，直至观测最后一行。结束DATA步，释放内存空间。

数据指针和PDV情况汇总

自动变量

参考文献

• 『SAS编程与数据挖掘商业案例』