前幾天給藥品??編盲，貼了大量的標(biāo)簽???。今天我們就來聊聊貼標(biāo)簽，不同的是，我們聊聊 SAS 里的貼標(biāo)簽（labeling）。

直接進入主題。我們這里所說的 labeling，其實是進行格式的 label。SAS 中已經(jīng)有對數(shù)字、日期等可用的格式，但是我們 programming 不滿足于此，想更大可能地簡化我們的工作，這時候，自定義 labeling 就呼之欲出了。

最直接的例子，現(xiàn)有一個分類變量，取值 1、2、3，你想依據(jù)其進行分組編碼（high、mid、low），但是在分析過程中，你只想以 1、2、3 簡單代替實際分組 character，怎么辦？對分類變量的各 value 進行 labeling。

實際上，labeling 主要有兩種：對 variable 進行 format，以及對 varaible 的取值 value 進行 format。我們一一來看。

creating variable labels

首先，準(zhǔn)備演示數(shù)據(jù)集：

DATA auto; ? ?INPUT make $ mpg rep78 weight foreign; ? ?CARDS; ? ? ? ?AMC ? ? 22 3 2930 0 ? ? ? ?AMC ? ? 17 3 3350 0 ? ? ? ?AMC ? ? 22 . 2640 0 ? ? ? ?Audi ? ?17 5 2830 1 ? ? ? ?Audi ? ?23 3 2070 1 ? ? ? ?BMW ? ? 25 4 2650 1 ? ? ? ?Buick ? 20 3 3250 0 ? ? ? ?Buick ? 15 4 4080 0 ? ? ? ?Buick ? 18 3 3670 0 ? ? ? ?Buick ? 26 . 2230 0 ? ? ? ?Buick ? 20 3 3280 0 ? ? ? ?Buick ? 16 3 3880 0 ? ? ? ?Buick ? 19 3 3400 0 ? ? ? ?Cad. ? ?14 3 4330 0 ? ? ? ?Cad. ? ?14 2 3900 0 ? ? ? ?Cad. ? ?21 3 4290 0 ? ? ? ?Chev. ? 29 3 2110 0 ? ? ? ?Chev. ? 16 4 3690 0 ? ? ? ?Chev. ? 22 3 3180 0 ? ? ? ?Chev. ? 22 2 3220 0 ? ? ? ?Chev. ? 24 2 2750 0 ? ? ? ?Chev. ? 19 3 3430 0 ? ? ? ?Datsun ?23 4 2370 1 ? ? ? ?Datsun ?35 5 2020 1 ? ? ? ?Datsun ?24 4 2280 1 ? ? ? ?Datsun ?21 4 2750 1 ? ?; RUN; PROC CONTENTS DATA= auto; RUN;

我們來使用 label statement 對其中的遍歷 foreign、mpg 和 rep78 進行 labeling，看看結(jié)果啥樣：

DATA auto2; ? ?SET auto; ? ?LABEL rep78= "1978 Repair Record" ? ? ? ? ?mpg= "Miles Per Gallon" ? ? ? ? ?foreign= "Where Car Was Made"; RUN; PROC CONTENTS DATA= auto2; RUN;

哎，有變化。多出一列 label。我們可以把它當(dāng)作對 variable name 的一種詳細(xì)描述。這里，需要注意的是：一旦我們在 data 步完成 labeling，其 label 在這個數(shù)據(jù)集后續(xù)的所有操作中是永久有效的；而作為對比，如果是在 proc 步中 labeling，那么該 label 只是在該 proc 步有效。我們來瞧瞧 data 步 labeling 后，該變量的 label 還是不是矢志不渝地存在？

PROC MEANS DATA= auto2; RUN;

沒有問題，label 依然存在。

很好理解吧，給 variable 進行 labeling，我們可以更確切地理解該變量的含義。

creating and using value labels

要對變量的各種取值進行 labeling，坦率地說，用 proc format，有兩種方式都可以實現(xiàn)，都拿來吧你！

方式一：借助 value statement

等不及了，先看 code：

PROC FORMAT; ? ?VALUE forgnf ? ? ? ?0= "domestic" ? ? ? ?1= "foreign" ? ?; ? ?VALUE $makef ? ? ? ?"AMC"= "American Motors" ? ? ? ?"Buick"= "Buick (GM)" ? ? ? ?"Cad."= "Cadillac (GM)" ? ? ? ?"Chev."= "Chevrolet (GM)" ? ? ? ?"Datsun"= "Datsun (Nissan)" ? ?; RUN; PROC FREQ DATA= auto2; ? ?FORMAT foreign forgnf. ? ? ? ? ? make $makef.; ? ?TABLES foreign make; RUN;

顯而易見，foreign 的 0、1 數(shù)值取值在 display 時被字符串標(biāo)簽替代，make 的字符串取值被更詳細(xì)的 label 取代。這里值得指出來的是，**我們注意到：**字符串變量 make 有 7 種分類取值，而在最后只有其中的 5 種被 labeling，剩余未 labeling 的取值仍然保持原 value 顯示；此外，注意到 format statement 中每種 format 后都有個 . ，為啥加這個？其實是為了讓 SAS 清楚地分辨變量名和 format 的名字。

以上，出現(xiàn)了對數(shù)值取值、字符串取值的 character labeling，我能不能對字符串取值作 numeric labeling？

上 code：

proc format; ? ?invalue fmtgrdn ? ? ? ?"Male"= 1 ? ? ? ?"Female"= 2; run; data xx1; ? ?length sex $10; ? ?sex= "Male"; output; ? ?sex= "Female"; output; run; data xx2; ? ?set xx1; ? ?sexgrdn= input(sex, fmtgrdn.); run;

當(dāng)然是可以的。這里要提醒大家注意：我們使用了 invalue statement 和 input function。

方式二：借助 proc format input control data sets（cntlin)

講方式二之前，我們先看下我們上面生成的 fmtgrdn format 的具體情況：

proc format lib= work fmtlib; run;

我這里展示的是，我的 work library 中所有已 define 的 format，為什么全部拿出來展示？因為實際上，包含了 numeric values -> character labels，character values -> character labels 以及 character values -> numeric labels 的情況。我們通過認(rèn)真理解這些 format 的內(nèi)在邏輯，非常有助于我們理解第二種 labeling 的方式，即通過 SAS 數(shù)據(jù)集來生成 format。

我們要 produce 與以上邏輯類似的數(shù)據(jù)集，上 code：

data scale; ? ?input begin: $char2. end: $char2. amount: $char4.; ? ?datalines; ? ? ? ?0 ? 3 ? ?0% ? ? ? ?4 ? 6 ? ?3% ? ? ? ?7 ? 8 ? ?6% ? ? ? ?9 ? 10 ? 8% ? ? ? ?11 ?16 ? 10% ? ?; run; data ctrl; ? ?length label $11; ? ?set scale(rename= (begin= start amount= label)) end= last; ? ?retain fmtname "PercentageFormat" type "n"; ? ?output; ? ?if last then do; ? ? ? ?hlo= "O"; ? ? ? ?label= "***ERROR***"; ? ? ? ?output; ? ?end; run;

我們借助官方文檔中的這個例子來說明 PROC FORMAT input control data sets 的格式要求（如上）。

proc format library= work cntlin= ctrl; run; proc format lib= work fmtlib; ? ?select percentageformat; run;

生成的 format 如下：

值得好好理解體會。

proc format library= work; ? ?invalue evaluation ? ? ? ?"O"= 4 ? ? ? ?"S"= 3 ? ? ? ?"E"= 2 ? ? ? ?"C"= 1 ? ? ? ?"N"= 0 ? ?; run; data points; ? ?input EmployeeId $ (Q1-Q4) (evaluation., +1); ? ?TotalPoints= q1+q2+q3+q4; ? ?datalines; ? ? ? ?2355 S O O S ? ? ? ?5889 2 . 2 2 ? ? ? ?3878 C E E E ? ? ? ?4409 0 1 1 1 ? ? ? ?3985 3 3 3 2 ? ? ? ?0740 S E E S ? ? ? ?2398 E E ? C ? ? ? ?5162 C C C E ? ? ? ?4421 3 2 2 2 ? ? ? ?7385 C C C N ? ?; run; proc print data= points; run; proc report data= work.points nowd headskip split= "#"; ? ?column employeeid totalpoints totalpoints= Pctage; ? ?define employeeid / right; ? ?define totalpoints / "Total#Points" right; ? ?define pctage / format= PercentageFormat12. "Percentage" left; ? ?title "The Percentage of Salary for Calculating Bonus"; run;

這是一個非常有意思的例子，里面很值得細(xì)細(xì)琢磨。

其實，還有很多值得注意的細(xì)節(jié)，限于篇幅，我們不能在短短一篇推送里面面俱到，期待以后的推送??