sashash簡介與實例

1、在SAS中我們比擬習慣使用 DATA步來解決數(shù)據(jù)處理工作,但是當我們需要處理的是兩個以上有關(guān)聯(lián)的數(shù)據(jù)文件或需要處理的數(shù)據(jù)觀測記錄到達百萬級別時,DATA步顯然不能滿足我們的要求.假設(shè)使用 hash散列表(哈希表),把關(guān)鍵字映射到散列表中,通過散列表直 接獲取需要訪問數(shù)據(jù)的存儲地址,可以快速的進行查找、添加等操作.SAS提供了 hash和hiter兩種方法處理哈希表,hash提供了查找、修改、添加、刪除等 方法,hiter提供了用于定位和遍歷等方法.1.1 Hash的定義及使用在使用之前需要定義哈希表,如下：Daclare hash myhash;myhash=_new_ hash();或者：

2、Declare hash myhash();例如：Daclare hash my_hash;my_hash =_new_ hash();定義了個名字為 my_hash 的哈希表. 初始化哈希表：declare hash variable_name(argument_tag-1 : value-1<, .argument_tag-n: value-n>);或者：variable_name = _new_ hash(argument_tag-1: value-1<, .argument_tag-n: value-n>);例如：declare hash h(hashexp：

3、4,dataset: ", ordered: 'yes');定義了一個名字為 h 的哈希表, 并且把的數(shù)據(jù)映射到哈希表上；hashexp： 4表示哈希表的大小定為 2的4次方,ordered: 'yes'表示在哈希表中根據(jù)關(guān)鍵字升序排序.語句解讀：使用第一種方法定義哈希表時需要注意myhash是定義的表名,其余局部為固定格式.初始化時可選填的項有：Hashexp:n指定哈希表的大小為 2n,但并不表示觀測數(shù).默認為8.Dataset:'dataset_name'指定需要映射到哈希表的數(shù)據(jù)集.Ordered: ' option &

4、#39;指te輸出到數(shù)據(jù)集或讀取數(shù)據(jù)時是否排序,option選項如下:Ascending 和 yes fev根據(jù) keyDescending根據(jù)key值降序；no為不做任何操作.此外各選項均可只用首子 母代替.duplicate: ' option 'option選項如下：replace表7K遇至ij相同key時,僅保存最后 一條觀測；error表tk遇到相同的key時,在日志窗口報錯multidata: ' option 'option項如下：yes表不允許重復的 key在哈希表中出現(xiàn), no那么不允許,默認情況為不允許.在定義一個新的哈希表后需要指定哈希表的

5、關(guān)鍵字段等,如下:DEFINEKEYDEFINEDATADEFINEDONECALL MISSING定義關(guān)鍵字段；定義值；定義完成；防止提示變量未初始化哈希表中可以實現(xiàn)較多的操作,語句格式如下:myhash. ' option '();option可選選項句及功能:語句FINDADD CHECK REPLACE REMOVEEQUAL OUTPUTREF功能查找相同的鍵值,存在那么返回rc=0;添加鍵值,假設(shè)hash表中已存在,那么不添加；查找健值,假設(shè)存在返回 rc=0;假設(shè)哈希表中不存在指定的關(guān)健字段,那么添加；假設(shè)存在那么替換；移去哈希表中指定關(guān)鍵字對應(yīng)的地址等數(shù)據(jù)；判斷

6、兩個哈希表是否完全相等；將哈希表輸出到數(shù)據(jù)集；假設(shè)查找關(guān)鍵字成功那么無操作,假設(shè)查找不成功那么添加關(guān)鍵字,相當于 find與add的結(jié)合；SETCUR SUM CLEAR DELETE NUM_ITEMS ITEM_SIZE規(guī)定一個關(guān)鍵字,用于起始迭代.通常在對數(shù)據(jù)排序后使用.計算并返回相同key下指定計數(shù)變量的和清空hash表,但不刪除數(shù)據(jù)；刪除整個哈希表計算哈希表中觀測的條數(shù)計算哈希表的大小在哈希表中還有如下操作,與上述操作不同的是,使用以下的操作必須在允許哈希表 中出現(xiàn)相同的關(guān)鍵字前提下.HAS_NEXT在允許出現(xiàn)相同關(guān)鍵字情況下,是否存在下一條相同關(guān)鍵字的 觀測FIND_NEXTFIN

7、D_PREVREMOVEDUP在允許出現(xiàn)相同關(guān)鍵字情況下,尋找下一條相同關(guān)鍵字的觀測 在允許出現(xiàn)相同關(guān)鍵字情況下,尋找前一條相同關(guān)鍵字的觀測 在允許相同關(guān)鍵字出現(xiàn)的情況下,在哈希表中移去當前關(guān)鍵字 等數(shù)據(jù)REPLACEDUP在允許出現(xiàn)相同關(guān)鍵字情況下,使用新的數(shù)據(jù)代替當前關(guān)鍵字 對應(yīng)的數(shù)據(jù)等SUMDUP在允許出現(xiàn)相同關(guān)鍵字情況下,計算并返回當前美鍵字下的指 定計數(shù)的變量和由于哈希表的定義及操作的語法及使用語句較多,格式較新,下面我們通過一個例子 來解釋哈希表的定義及簡單操作.例定義一個哈希表并對其進行ADD、CHECK、 FIND、 REMOVE、 REPLACE、NUM_ITEMS 等操作.

8、程序data hash_sample;input fruit$ amount;cards;apple 100orange 200tomato 300cherry 400cherry 500run;data _null_;length fruit$ 10;length amount 8;if _N_=1 then do;declare hash myhash(dataset:" ,duplicate: "r");rc=('fruit');rc=('fruit','amount');rc=();call missing(

9、fruit,amount);end;rc=(key:'peach',data:'peach',data:500);rc=(key:'peach');if rc=0 then put fruit= amount=;rc=(key:'orange');if rc=0 then put 'the orange is exist'rc=(key:'tomato');if rc=0 then put 'tomato is not exist'rc=(key:'apple',da

10、ta:'apple',data:300);if rc=0 then do;rc=(key:'apple');if rc=0 then put fruit= amount=;end;rc=(key:'tomato',data:'tomato',data:200);totalitems =;put totalitems=;(dataset:'out');run;輸出結(jié)果為：表1程序輸出前后數(shù)據(jù)集hash_sample數(shù)據(jù)集out數(shù)據(jù)集fruitamountfruitamountapple100apple300orang

11、e200tomato200tomato300orange200cherry400cherry500cherry500peach500程序解讀：程序中把數(shù)據(jù)集映射到哈希表,并在哈希表中做添加、修改等簡單操作,最后輸出哈 希表.rc為接收返回值,程序中假設(shè)操作成功那么返回0,失敗那么返回非 0.length fruit$ 10;length amount 8;在定義哈希表前,先定義需要映射到哈希表的變量的類 型及長度,且必須與數(shù)據(jù)集中的類型匹配.declare hash myhash(dataset:'' .duplicate: "r");定義一個名為 myha

12、sh的哈希表,并把的數(shù)據(jù)集映射到哈希表上；duplicate: "r"表示相同關(guān)鍵字時數(shù)據(jù)會不斷代替,其結(jié)果是哈希表中只有相同關(guān)鍵字的最后一觀測的地址,如上例中“cherry 400將被忽略.rc=('fruit');定義關(guān)鍵字段為 fruit.rc=('fruit','amount');定義數(shù)據(jù)為fruit和amount,需要注意的是,這里假設(shè)只定義amount變量,那么哈希表中不存在fruit變量,而只是存在其對應(yīng)的地址,當以需要引用哈希表輸出的時候?qū)⒑雎詅ruit變量.rc=();表示定義完成.call missing(

13、fruit,amount);當未找到匹配值時,返回空值給指定變量.(key:'peach',data:'peach',data:500);在哈希表中增加一關(guān)鍵字為peach的記錄,假設(shè)已經(jīng)存在那么忽略.由于定義時數(shù)據(jù)項為fruit和amount,那么增加記錄時必須對應(yīng)全部羅列出來.且amount為數(shù)值型,那么500無單引號.rc=(key:'peach');if rc=0 then put fruit= amount=; 查找關(guān)鍵字為 peach的記錄, 假設(shè)存在返回 0, 使用if then打印查看詳細信息.rc=(key:'orang

14、e'); if rc=0 then put 'the orange is exist' 查找關(guān)鍵字為 orange 的記錄,使用 if then打印指定字符.你或許會迷惑為什么不直接打印orange的詳細信息？其實這就是 check和find的區(qū)別,可以理解為指針的形式, find不僅找到而且指針指向 find的記錄,而check 只是查看有沒有,并不移動指針,所以如果把if then指定的打印字符換成輸出信息,那么輸出的仍為peach的信息.rc=(key:'tomato');移去關(guān)鍵字為tomato的記錄信息.rc=(key:'apple&#

15、39;,data:'apple',data:300);替換關(guān)鍵字為 apple的記錄信息.由于 replace和check 一樣不會使指針移動,那么可以先使用find再打印查看是否替換成功.rc=(key:'tomato',data:'tomato',data:200);假設(shè)查找關(guān)鍵字tomato成功那么無操作,假設(shè)查找不成 功那么添加關(guān)鍵字等信息,相當于 巾nd與add的結(jié)合.需要注意的是ref同樣不移動指針.totalitems =;計算哈希表中觀測白數(shù)量并賦值給totalitems.(dataset:'out');把哈希表的

16、信息輸出到 out數(shù)據(jù)集.例在允許關(guān)鍵字重復出現(xiàn)情形下進行簡單操作.程序data hash_keys;input keys data;cards;2 1003 2002 3002 4001 5003 600 ;run;data _null_;length keys data 8;if _N_ = 1 then do;declare hash h(dataset:'hash_keys',multidata: 'y'); ('keys');('keys', 'data');()；call missing (keys,

17、data);end;do keys=1 to 3;rc =();put '' keys= data=;(result: r);do while(r ne 0);rc =();put '' keys= data=;rc =();put '' keys= data=;rc =();put '' keys= data=;(result: r);end;();end;(dataset:'hash_out');run;輸出結(jié)果：表2程序數(shù)據(jù)集整理hash_ke)/s數(shù)據(jù)集hash_out數(shù)據(jù)集keysdatakeysdata

18、210021003200240023003200240015003700程序解讀：程序中在允許相同關(guān)鍵字出現(xiàn)的情況下映射到哈希表執(zhí)行簡單操作并輸出到數(shù)據(jù)集.在詳細解讀程序之前我們需要注意哈希表中向前及往后讀取與數(shù)據(jù)集中的前后相反且可以把 表中相同關(guān)鍵字的記錄看成循環(huán)隊列.哈希表的實際存儲為二叉樹結(jié)構(gòu),我們不必掌握其順序,但是我們必須掌握數(shù)據(jù)讀取的先后順序,為了掌握哈希表指針的移動情況,在打印前使用了 “區(qū)分每次打印時指針的位置.declare hash h(dataset:'hash_keys',multidata: 'y');multidata : '

19、y'表示允許哈希表中出現(xiàn)相同 的關(guān)鍵字記錄.rc =();由于關(guān)鍵字段為keys,且最大為3最小為1,我們可以在限制循環(huán)的同時對keys賦值,再使用keys在哈希表中查找.此語句為 rc = (key:keys);的省略方式.(result: r);查找是否存在相同關(guān)鍵字的下一記錄,存在那么返回非0.rc =();查找下一相同關(guān)鍵字的觀測,并且 指針指向該觀測.為了更好的理解每個操作在哈希表的運行,我們使用keys=2的數(shù)據(jù),按順序標號,每次操作完后打印 指針所指的數(shù)據(jù)記錄.圖1 ： keys=2時順序觀測記錄data的值表3: keys=2時的輸出整理keys=2data=100ke

20、ys=2data=400keys=2data=100keys=2data=400keys=2data=300keys=2data=400keys=2data=300當keys=2時,指向記錄并打??；接下來查看是否存在下一記錄,成功返回0,而在哈希表中的下一記錄并不是,而是,此時指針并沒有移動到；進入do while第一次循環(huán)后把指針移動到并打印；語句把指針往前移,但這里并不是把移動到,而是移動到,打??；第二句再次把指針移動到；最后查找是否存在下一記錄,此時為的記錄, 存在那么繼續(xù)循環(huán).在執(zhí)行到第二次循環(huán)的前時,指針指向的是,當讀到 (result: r);時,r返 回的是0,即哈希表不會把第一

21、條記錄當做的下一記錄,否那么循環(huán)那么不會停止.跳出dowhile循環(huán)后();移去指針所指向的記錄,也就是記錄,所以我們在輸出數(shù)據(jù)集的時候沒有 記錄.指針的移動可以過程為一一一一一一.通過上例,我們可以發(fā)現(xiàn),在存在相同關(guān)鍵字時,使用has_nexti句查找是否存在下一記錄限制循環(huán),使用Rnd_next和find_prev移動指針遍歷數(shù)據(jù).當你需要訪問或修改的是相同 記錄下的某一無數(shù)據(jù)特征的記錄時,此方法非常管用.1.2 Hiter的定義及使用Hiter通常意譯為哈希迭代器,通過哈希迭代器遍歷哈希表中的關(guān)鍵字和數(shù)據(jù).在例中 的遍歷僅限于在相同關(guān)鍵字下遍歷,而在哈希迭代器中沒有此項要求.在使用之前需

22、要定義哈希表,如下：Declare hiter variable_name(hash_object_name);或者：Declare hiter variable_name;variable_name = _new_ hiter(hash_object_name);例如：declare hiter myiter ('myhash');定義了一個名字為myiter的迭代器,其對應(yīng)的哈希表為myhasho myiter的操作將在 myhash哈希表中進行.遍歷哈希表的語句格式如下：variable_name. ' option '();option的選項及功能如下：

23、語句功能FIRST允許出現(xiàn)相同關(guān)鍵字時, 在哈希表中取相同關(guān)鍵字觀測的A個觀測；LAST允許出現(xiàn)相同關(guān)鍵字時, 在哈希表中取相同關(guān)鍵字觀測的 第二個觀測；NEXT允許出現(xiàn)相同關(guān)鍵字時, 前觀測的舟-觀測；在相關(guān)關(guān)鍵字觀測的前提下取當PREV允許出現(xiàn)相同關(guān)鍵字時, 前觀測的前一觀測；在相關(guān)關(guān)鍵字觀測的前提下取當在不允許關(guān)鍵字重復出現(xiàn)的情況下,由于不需要了解迭代器對哈希表的讀取方式,我們只需要根據(jù)自己的情況選用FIRST和NEXT、LAST和PREV組合就可以遍歷哈希表中的記錄.在唯一關(guān)鍵字的哈希表中,我們通常對其排序輸出.例使用哈希迭代器遍歷例的數(shù)據(jù),并輸出到數(shù)據(jù)集.程序data hiter_k

24、eys;length keys data 8;if _N_ = 1 then do;declare hash h(dataset:'hash_keys',multidata: 'y',ordered:'no');declare hiter my_hiter('h');('keys');('keys', 'data');();call missing (keys, data);end;rc=();do while(rc = 0);put keys= data=;output;rc=()

25、;end;rc=();run;輸出結(jié)果為：表4:程序輸出結(jié)果整理hash_keys數(shù)據(jù)集hiter_keys 數(shù)據(jù)集keysdatakeysdata3100430054003200220033001500310043001100320015001100540033002200程序解讀：在上述程序中選擇使用 ordered:no'不排序,選擇last與prev組合遍歷哈希表.Last首先查 找是否存在多條相同關(guān)鍵字的記錄,假設(shè)不存在那么prev查找失敗跳出循環(huán)；假設(shè)存在那么指向第二條,如keys=3時,第一次打印的是 data=200, prev語句查找前已記錄成功繼續(xù)循環(huán),第二次打印的

26、是data=300.可以發(fā)現(xiàn)在允許相同關(guān)鍵字出現(xiàn)的情況下哈希迭代器next語句和prev語句讀取數(shù)據(jù)的順序與 find_next和find_prev是一致的.假設(shè)把multidata: 'y'改成multidata: 'n'且加上 duplicate ： replace時,哈希表中不再出現(xiàn)重復記錄且對與每個關(guān)鍵字僅存最后一條記錄.1.3綜合應(yīng)用例使用哈希表計數(shù).程序data hash_sum;input keys;cards;1 1 5 3 43 6 4 1 5;run;data hash_count;length c keys 8;if _n_ = 1 the

27、n do;declare hash myhash(suminc: "c", ordered: "y");declare hiteriter("myhash");('keys');();c = 1;end;do while (not done);set hash_sum end=done;rc =();end;rc =();do while(rc = 0);rc = (sum: c);output;rc =();end;stop;run;輸出結(jié)果：表5:程序輸出結(jié)果ckeys3123242516程序解讀:此程序使用了 s

28、um函數(shù),對出現(xiàn)相同的關(guān)鍵字進行計數(shù),而不是求和.這此定義哈希表時并沒有直接把數(shù)據(jù)集映射到哈希表,而是通過引用hash_sum表的記錄提取關(guān)鍵字及計數(shù)信息存儲到哈希表,最后使用哈希迭代器及sum函數(shù)計數(shù).declare hash myhash(suminc: "c", ordered: "y");當需要使用 sum或sumdup函數(shù)計數(shù)時,在 哈希表中必須定義用來計數(shù)的項,suminc: "c"定義了計數(shù)項變量c.需要注意的是c=1只是在每一次引用數(shù)據(jù)時添加到哈希表.do while (not done);set hash_sum e

29、nd=done;rc = ();end;通過se靜句每次讀取hash_sum數(shù)據(jù)集中的一條觀測,end=last指定當讀到最后一條記錄 是done=0并限制do循環(huán).在每讀取一條觀測時,()語句自動把數(shù)據(jù)集中的 keys當做關(guān)鍵字查找哈希表中是否存在相同關(guān)鍵字的數(shù)據(jù),假設(shè)存在那么不操作,假設(shè)不存在那么添加.而不管是否存在相同的關(guān)鍵字,c=1都會伴隨著查找寫入哈希表.雖然哈希表中僅有5個關(guān)鍵字,但c=1可以不斷寫入,最后通過對c求和即可完成.rc = ();do while(rc = 0);rc = (sum: c);output;rc = (); end;使用do while和哈希迭代器遍歷哈

30、希表,同時使用函數(shù)對哈希表中每個關(guān)鍵字的c逐一計數(shù)并output至U hash_count數(shù)據(jù)集.1.4哈希表及迭代器的的應(yīng)用例在實際應(yīng)用哈希表時常遇到兩個關(guān)聯(lián)數(shù)據(jù)集處理問題.假設(shè)一個表(data1)中每個id的標準值std,另一個表(data2)中為每個id的實際值,使用 hash輸出data2中比標準值大的觀 測及個數(shù).程序data data1;input id std ;cards;123Jrun;data data2;input id actual;cards;111112 2 2 2 23 3 3 3 3Jrun;data result1;if _n_=1 then do;decla

31、re hash myhash(ordered:'y');('id');('id','std','count');()；call missing(std,count,actual);count=0;end;do while(not done);set data1 end=done;rc=();end;do while(not last);set data2 end=last;rc=();if rc=0 and actual>std then do;count+1;();output;end;end;(datas

32、et:'result2');run;輸出結(jié)果:表6:程序輸出結(jié)果整理result1數(shù)據(jù)集result2數(shù)據(jù)集idstdactualcountidstdcount1113122313312126223371程序解讀：程序中先建立一個空的哈希表,再把data1數(shù)據(jù)集映射到該哈希表,接著用過引用data2數(shù)據(jù)集找到對應(yīng)關(guān)鍵字并判斷、計數(shù)、車出.結(jié)果輸出了兩個數(shù)據(jù)集,result1為滿足要求的全部記錄,而result2為最后哈希表存儲的信息.在定義哈希表時并不直接把數(shù)據(jù)集映射到哈希表,原因是需要映射到哈希表中的data1數(shù)據(jù)集中沒有我們需要存儲計數(shù)的變量count,此時可以建立一個空的

33、哈希表,里面包含需要輸出的變量.出結(jié)果中result1數(shù)據(jù)集是由output語句輸出的,result2數(shù)據(jù)集是(dataset:'result2')語句輸出的,可以發(fā)現(xiàn),result1數(shù)據(jù)集包含了哈希表的內(nèi)容及data2中actual變量的數(shù)據(jù),而result2數(shù)據(jù)集只包含了哈希表定義的變量及最后計數(shù)的結(jié)果.其結(jié)果的不 同時由于哈希表中不存在定義變量以外的信息,且默認定義不允許相同的關(guān)鍵字存在.查看數(shù)據(jù)的結(jié)構(gòu)可以發(fā)現(xiàn) data1數(shù)據(jù)集中的id是唯一的,data2數(shù)據(jù)集中的id是重復出現(xiàn)的,在此類問題中,較好的處理方式是把id是唯一的數(shù)據(jù)集映射到哈希表,通過set引用重復出現(xiàn)id

34、的數(shù)據(jù)集進行數(shù)據(jù)處理.例中設(shè)計兩個數(shù)據(jù)集的連接,其中有一個是存在唯一關(guān)鍵字的,假設(shè)需要處理的數(shù)據(jù)集的關(guān)鍵字都不唯一,那么使用如下方法.例連接datal、data2數(shù)據(jù)集,并求kind下所有id變量amt的總和.表7：原始數(shù)據(jù)data1數(shù)據(jù)集data2數(shù)據(jù)集kindididamta1150a2240b1230b3330c2c3程序 data datal; input kind$ id$;cards;a1a2b1b3c2c35run;data data2;input id$ amt;cards;150240230330;run;data result1;length kind$ 8 id$ 8;i

35、f _n_=1 then do;declare hash h1(dataset:'data1',ordered:'y', multidata: 'y'); ('id');('id','kind');();call missing(id,kind);end;do while(not lastl);set data2 end=last1;()；output;(result:r);do while(r ne 0);();output;(result:r);end;run;dataend;_null_;le

36、ngth kind$ 8 id$ 8;if _n_=1 then do;declare hash h2(ordered:'y');('kind');('id','kind','total');();call missing(id,kind,total);end;do while(not done);set result1 end=done;if ()=0 then do;total+amt;();end;else do;total=amt;();end;end;(dataset:'result2')

37、;run;輸出結(jié)果整理:表8:程序輸出結(jié)果整理result1數(shù)據(jù)集result2數(shù)據(jù)集kindidamtkindtotala150a120a230b80a240c100b150b330c230c240c330程序解讀：程序分為兩局部,第一局部為連接數(shù)據(jù)集,輸出為 resultl,第二局部為以 kind分組對 amt變量求和.第一局部中由于要求連接后的數(shù)據(jù)集存在變量amt,而映射到哈希表的 datal數(shù)據(jù)集中并不存在,那么選擇每連接一個相同的關(guān)鍵字就輸出到指定的數(shù)據(jù)集.由于set data2語句相當于遍歷data2數(shù)據(jù)集,那么每讀取 data2中的一條記錄,那么與哈希表連接查找相同的關(guān)鍵字并 使用output輸出,輸出后繼續(xù)查找是否存在下一個相同的關(guān)鍵字,假設(shè)存在那么輸出,直到查 找完畢,不存在那么退出循環(huán)讀取data2的下一條記錄.這里不使用()語句是由于我們需要的是每次查找成功的記錄且包含amt變量的數(shù)據(jù)集,而此處哈希表中僅存在data2的數(shù)據(jù).第二局部為以kind為關(guān)鍵字段對所有id下的amt求和,由于此處只需要求和的結(jié)果而 不是像第一局部需要的是每次連接的結(jié)果,選擇使用語句輸出哈希表的內(nèi)容.接下來我們只需定義一個不允許相同關(guān)鍵字出現(xiàn)的哈希表,每讀取resultl中的一條記錄,查找哈希表中是否存在相同關(guān)鍵字,假設(shè)存在相同關(guān)鍵字更新求和變量,假設(shè)不存在那么賦值