不開玩笑，你可能真對 subsetting if 有誤解
quiz
現(xiàn)有四行數(shù)據(jù)，如下：
想實現(xiàn)：根據(jù)第一列 name 決定是否讀取后兩列內(nèi)容，只讀取 name 為 ruth 的行數(shù)據(jù)，如何操作？
厘清思路
如果這四行數(shù)據(jù)是來自于 SAS dataset，自然，我們可以直接使用 where、if。二者差別也很明顯，where 作用于數(shù)據(jù)被讀入 PDV 之前，提前對數(shù)據(jù)集進行篩選，SAS 無需讀入全部輸入數(shù)據(jù)集觀測進入 PDV，從而更為有效地控制讀取效率，if 則對 PDV 中數(shù)據(jù)篩選，無法提前控制。說點題外的，由此引發(fā)了，若 variable 為 data step 后續(xù)創(chuàng)建，where 中無法引用該變量，而 if 可以。
而這里的 quiz 要求，此四行數(shù)據(jù)來自 external file that contains raw data。
在 這篇文章里，我們提到，若存在 input statement，SAS compiler 會創(chuàng)建 input buffer 及 PDV，相信大家都還沒忘記。
明確的一點是：當存在 input 時，where 無法作用于 external raw input data 進行觀測的篩選，但是，if 仍然可以對 PDV 中數(shù)據(jù)篩選。牢記這一點，可以避免一些錯誤。
ok，第一個障礙解決了。既然是這樣，那我這么寫你看對不對？
data want;
? ?infile datalines;
? ?input employee_name $ @;
? ?if employee_name= "ruth" then input age 7-8 idnum 10-11;
? ?datalines;
ruth ?39 11
Jose ?32 22
Sue ? 30 33
John ?40 44
? ?;
run;
proc print; run;
邏輯上似乎沒啥問題，quiz 只要求 ruth 那一行，為什么結(jié)果是這樣？
結(jié)果顯示得很直接了，上面的 if 只控制了 age 和 idnum 的讀取與否，并未實現(xiàn)行觀測的篩選，這一點要特別注意！要想實現(xiàn)根據(jù) employee_name 篩選行觀測，怎么辦，用下面的：
data want;
? ?infile datalines;
? ?input employee_name $ @;
? ?if employee_name= "ruth";
? ?input age 7-8 idnum 10-11;
? ?datalines;
ruth ?39 11
Jose ?32 22
Sue ? 30 33
John ?40 44
? ?;
run;
proc print; run;
大家都看出來了，其實這里的 if 是個 subsetting if statement。我這里要重點強調(diào)下 subsetting if 的邏輯：若 if 后條件為真，繼續(xù)處理該行觀測，否則，停止處理該行觀測且該行觀測不會被寫入輸出數(shù)據(jù)集，并直接返回 data step 開始處進行下一次循環(huán)。
結(jié)合上面 code。若 employee_name 不是 ruth，后續(xù)的一切 statement 都不會被執(zhí)行，且該行觀測不被入選，SAS 直接跳轉(zhuǎn)到下一行數(shù)據(jù)的循環(huán)處理之中；只有 ruth 那行數(shù)據(jù)滿足條件，進行后續(xù)的操作。因而滿足 quiz 的要求。
講到這你以為就結(jié)束了么？？
細節(jié)
我們看各種 SAS instructions，總會被提示：subsetting if 相當于 if condition then output，不要告訴我你不是這么理解的。
這種等價是不是真的完全成立呢？如果你認為成立，那么問題來了：按照 output 的規(guī)則，output 之后生成或改變的變量值不會被寫入輸出數(shù)據(jù)集，也就是說，最終輸出數(shù)據(jù)集中，age 和 idnum 根本就不會有值，應該都是缺失值！因為 compile phase 雖然創(chuàng)建了包含 input 中變量的 PDV，但 execution phase 時，第二個 input 是在 subsetting if 之后完成給變量 age 和 idnum 賦值。
但是，你看：
data want;
? ?infile datalines;
? ?input employee_name $ @;
? ?if employee_name= "ruth";
? ?input age 7-8 idnum 10-11;
? ?idnum= 1000;
? ?datalines;
ruth ?39 11
Jose ?32 22
Sue ? 30 33
John ?40 44
? ?;
run;
proc print; run;
不僅和 output 的規(guī)則相背，甚至 idnum 還完成了第二次賦值。
