El elemento principal del lenguaje SAS es el paso DATA. Este elemento crea, modifica y transforma conjuntos de datos SAS (datasets). El paso DATA se compone de dos fases: la fase de compilación y la fase de ejecución.

En la fase de compilación, DATA crea una estructura de memoria conocida como Program Data Vector (PDV), con la estructura que SAS considera más adecuada para el conjunto de datos; paralelamente, crea toda una descripción de la información del dataset. Una vez creada la estructura de la tabla SAS, se pasa a la fase de ejecución, en la que SAS itera por cada registro haciendo “output” en el dataset cuando llega a la sentencia RUN. La iteración se lleva a cabo hasta que SAS detecta el final del archivo.

DATA trabaja con conjuntos de datos que, fundamentalmente, serán:

  • Entrada manual de datos (INFILE + INPUT + DATALINES).
  • Ficheros de texto (INFILE + INPUT).
  • Otros conjuntos de datos SAS/WPS (SET, MERGE, UPDATE).
  • DBMS (esto mejor no lo haremos con DATA…).

La entrada manual de datos en SAS no es muy cómoda, pero sirve para conocer cómo funciona el PDV. Sin embargo, ésto no es muy útil en nuestro trabajo diario; no tenemos tiempo de pararnos en aspectos teóricos. Por ésto, es preferible poner un ejemplo “que funciona siempre”; de este modo lo guardáis y, cuando tengáis que meter datos manualmente, lo recuperáis:

data manual;
    infile datalines dlm = ",";
    input nombre :$30. edad rango :$30.;
    datalines;
Jose Alberto, 34, Cabo Primero
Esteban, 25, Sarjento
Vicente, 56, Sarjento Primero
Laura, 45, Capitán
;
run;

Recomiendo recordar esta estructura. Comenzamos con DATA y el nombre del conjunto de datos SAS. La sentencia INFILE nos indica cómo va a ser la entrada de datos; DATALINES especifica que será manual y DLM tiene su importancia porque indica un delimitador de los datos; si empleamos delimitador, nos evitaremos muchos problemas. Después, la sentencia INPUT es fundamental porque es la que asigna la estructura al conjunto de datos. Estas estructuras estarán compuestas de variables; ya las analizaremos en profundidad. En este caso, tenemos tres variables: dos de texto (indicado con $) y una numérica (no pongo nada). Al final viene DATALINES sin más, que indica el punto en el que metemos el dato. Picamos los datos y separamos por comas; finalizamos con RUN. Ésta es la forma más sencilla y que mejor se entiende para introducir datos manualmente; nos evita muchas pegas con espacios en blanco, longitudes…

Para crear datasets desde ficheros de texto emplearemos una metodología distinta en WPS que la utilizada en SAS. WPS no tiene asistentes; por ello, lo mejor que podemos hacer es importar el fichero paso a paso para comprobar si lo hacemos correctamente. Para ilustrar el ejemplo, podéis bajaros este archivo a vuestro equipo. Este fichero tiene las siguientes variables:

  • ID del estudiante.
  • Género.
  • Clase.
  • Puntuación de test.
  • Puntuación del examen 1.
  • Puntuación del examen 2.
  • Puntuación de laboratorio.
  • Puntuación del examen final.

Desde WPS podemos abrirlo para hacerle una vista y así poder dar una estructura correcta al conjunto de datos SAS. Vemos que tiene 28 líneas y está separado por espacios. Luego el paso DATA sería así:

data prueba;
    infile "C:\ruta\al\archivo\grades.txt";
    input id $ sexo $ clase Ptest P1 P2 Plab Ptotal;
run;

Recordamos: primero estructura, luego lee datos. Con INFILE le indicamos qué datos leemos y qué características tienen; con INPUT creamos la estructura, el vector de variables, el PDV. En este caso tenemos 8 variables: dos de ellas alfanuméricas (por ello empleamos $) y otras 6 numéricas (no ponemos nada). Éste es un caso extremo por lo simple. En la siguiente entrega leeremos ficheros de texto con WPS buscando casos más habituales.

Pero el 90% de las veces que utilicemos DATA, las lecturas serán de otros conjuntos de datos SAS:

data prueba2;
    set prueba;
run;

DATA crea una estructura y escribe, y SET indica cómo ha de ser esa estructura y dónde leer. Si hacemos lo siguiente:

data prueba_ampliada;
    set prueba;
    Pmedia = (P1 + P2) / 2;
run;

Estamos creando un nuevo dataset al que además le añadimos una nueva variable, un nuevo elemento a ese vector. Importante: no he indicado a WPS las características de ese nuevo elemento; selecciona las que él cree más adecuadas (no es necesario declarar variables explícitamente); ésto a veces resulta difícil de entender para los informáticos de otros lenguajes.

Lo dicho: siguiente entrega, importaciones de texto. WPS no tiene asistente y tenemos que escribir nosotros mismos el vector de variables. Saludos.