《深入解析sas:数据处理、分析优化与商业应用》一导读

本文涉及的产品
全局流量管理 GTM,标准版 1个月
云解析 DNS,旗舰版 1个月
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
简介: 数据和模型描述着世界,而SAS恰恰就是关于数据和模型的技术。SAS技术在全球的数据处理和分析领域举足轻重。在国内,SAS的应用日趋广泛,自然,对掌握SAS技术的人才需求也日益旺盛。

image

前 言

为什么要写这本书
数据和模型描述着世界,而SAS恰恰就是关于数据和模型的技术。SAS技术在全球的数据处理和分析领域举足轻重。在国内,SAS的应用日趋广泛,自然,对掌握SAS技术的人才需求也日益旺盛。
但是当大家谈及SAS的时候,普遍的一个感受是,掌握SAS比较难。这使我记起在2000年刚刚加入SAS中国公司几天后的一个下午,时任SAS中国区技术总监的栾世武博士问我:“怎么样?SAS难学吗?”其实,在SAS公司的同事当中,大家并不会认为SAS有多难。究其原因,不过是如下几个:
在SAS公司,有着明确的路线图,大家可以清楚地知道学习SAS某个领域的顺序和步骤是什么。对于系统性非常强而且知识范围又较广的SAS而言,这是很重要的。
对于路线图中的每一个阶段,SAS公司都提供了详尽的资料供阅读和学习。
有实际的项目去实践和锻炼。

目 录

第一篇 SAS编程和数据处理
第1章 Base SAS基础
1.1 SAS系统简介
1.2 启动SAS软件
1.3 SAS窗口环境
1.4 SAS文件和逻辑库
1.5 一个简单的SAS程序
1.6 SAS Studio
1.7 本章小结
第2章 读取外部数据到SAS数据集
2.1 SAS编程基本概念
2.2 通过DATA步读取数据
2.3 通过IMPORT过程读取外部文件数据
2.4 访问关系型数据库系统中的数据
2.5 SAS程序错误及处理
2.6 本章小结
第3章 对单个数据集的处理
3.1 选取部分变量
3.2 操作数据集的观测
3.3 创建新变量
3.4 循环和数组
3.5 SAS常用函数
3.6 将数据集写出到外部文件
3.7 本章小结
第4章 对多个数据集的处理
4.1 数据集的纵向串接
4.1.1 使用SET语句实现纵向串接
4.1.2 使用APPEND过程实现纵向串接
4.1.3 SET语句与APPEND过程的比较
4.2 数据集的横向合并
4.2.1 不使用BY语句实现横向合并
4.2.2 使用BY语句实现横向合并
4.2.3 使用数据集选项IN=操作观测
4.3 数据集的更新
4.4 数据集的更改
4.4.1 单个数据集的更改
4.4.2 两个数据集的更改
4.5 数据集处理的一点补充
4.5.1 使用数据集选项END=
4.5.2 使用自动变量FIRST.与LAST
4.5.3 使用SET语句中的选项POINT= 和NOBS=
4.5.4 使用多个SET语句
4.5.5 使用HASH对象处理多个数据集
4.6 本章小结

相关文章
|
5天前
|
缓存 Kubernetes Docker
GitLab Runner 全面解析:Kubernetes 环境下的应用
GitLab Runner 是 GitLab CI/CD 的核心组件,负责执行由 `.gitlab-ci.yml` 定义的任务。它支持多种执行方式(如 Shell、Docker、Kubernetes),可在不同环境中运行作业。本文详细介绍了 GitLab Runner 的基本概念、功能特点及使用方法,重点探讨了流水线缓存(以 Python 项目为例)和构建镜像的应用,特别是在 Kubernetes 环境中的配置与优化。通过合理配置缓存和镜像构建,能够显著提升 CI/CD 流水线的效率和可靠性,助力开发团队实现持续集成与交付的目标。
|
27天前
|
SQL 关系型数据库 MySQL
深入解析MySQL的EXPLAIN:指标详解与索引优化
MySQL 中的 `EXPLAIN` 语句用于分析和优化 SQL 查询,帮助你了解查询优化器的执行计划。本文详细介绍了 `EXPLAIN` 输出的各项指标,如 `id`、`select_type`、`table`、`type`、`key` 等,并提供了如何利用这些指标优化索引结构和 SQL 语句的具体方法。通过实战案例,展示了如何通过创建合适索引和调整查询语句来提升查询性能。
131 9
|
28天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术深度解析:从基础到应用的全面介绍
人工智能(AI)技术的迅猛发展,正在深刻改变着我们的生活和工作方式。从自然语言处理(NLP)到机器学习,从神经网络到大型语言模型(LLM),AI技术的每一次进步都带来了前所未有的机遇和挑战。本文将从背景、历史、业务场景、Python代码示例、流程图以及如何上手等多个方面,对AI技术中的关键组件进行深度解析,为读者呈现一个全面而深入的AI技术世界。
113 10
|
2天前
|
供应链 搜索推荐 API
深度解析1688 API对电商的影响与实战应用
在全球电子商务迅猛发展的背景下,1688作为知名的B2B电商平台,为中小企业提供商品批发、分销、供应链管理等一站式服务,并通过开放的API接口,为开发者和电商企业提供数据资源和功能支持。本文将深入解析1688 API的功能(如商品搜索、详情、订单管理等)、应用场景(如商品展示、搜索优化、交易管理和用户行为分析)、收益分析(如流量增长、销售提升、库存优化和成本降低)及实际案例,帮助电商从业者提升运营效率和商业收益。
51 17
|
18天前
|
安全 API 数据安全/隐私保护
速卖通AliExpress商品详情API接口深度解析与实战应用
速卖通(AliExpress)作为全球化电商的重要平台,提供了丰富的商品资源和便捷的购物体验。为了提升用户体验和优化商品管理,速卖通开放了API接口,其中商品详情API尤为关键。本文介绍如何获取API密钥、调用商品详情API接口,并处理API响应数据,帮助开发者和商家高效利用这些工具。通过合理规划API调用策略和确保合法合规使用,开发者可以更好地获取商品信息,优化管理和营销策略。
|
1月前
|
机器学习/深度学习 人工智能 PyTorch
Transformer模型变长序列优化:解析PyTorch上的FlashAttention2与xFormers
本文探讨了Transformer模型中变长输入序列的优化策略,旨在解决深度学习中常见的计算效率问题。文章首先介绍了批处理变长输入的技术挑战,特别是填充方法导致的资源浪费。随后,提出了多种优化技术,包括动态填充、PyTorch NestedTensors、FlashAttention2和XFormers的memory_efficient_attention。这些技术通过减少冗余计算、优化内存管理和改进计算模式,显著提升了模型的性能。实验结果显示,使用FlashAttention2和无填充策略的组合可以将步骤时间减少至323毫秒,相比未优化版本提升了约2.5倍。
63 3
Transformer模型变长序列优化:解析PyTorch上的FlashAttention2与xFormers
|
1月前
|
前端开发 UED
React 文本区域组件 Textarea:深入解析与优化
本文介绍了 React 中 Textarea 组件的基础用法、常见问题及优化方法,包括状态绑定、初始值设置、样式自定义、性能优化和跨浏览器兼容性处理,并提供了代码案例。
67 8
|
2月前
|
存储 监控 API
深入解析微服务架构及其在现代应用中的实践
深入解析微服务架构及其在现代应用中的实践
78 12
|
2月前
|
测试技术 开发者 Python
使用Python解析和分析源代码
本文介绍了如何使用Python的`ast`模块解析和分析Python源代码,包括安装准备、解析源代码、分析抽象语法树(AST)等步骤,展示了通过自定义`NodeVisitor`类遍历AST并提取信息的方法,为代码质量提升和自动化工具开发提供基础。
91 8
|
1月前
|
机器学习/深度学习 搜索推荐 API
淘宝/天猫按图搜索(拍立淘)API的深度解析与应用实践
在数字化时代,电商行业迅速发展,个性化、便捷性和高效性成为消费者新需求。淘宝/天猫推出的拍立淘API,利用图像识别技术,提供精准的购物搜索体验。本文深入探讨其原理、优势、应用场景及实现方法,助力电商技术和用户体验提升。

推荐镜像

更多