Question

我有一堆名为“ haveyear”的SAS数据集，范围为2000-2018，即"have2000"-"have2018"。它们存储在'path_to_have_data'的本地目录中。每个数据集包含几个变量，即var1，var2等。我想加载这些数据集，然后根据var1 ne '0'对其进行子集化，并且还要保留原始数据集中的var1和var2。此外，我想向每个子集添加一个新变量year，这样我就可以确定数据来自哪一年。最后，我想将所有新的子集追加（堆叠）到名为appended的单个数据集中。例如：

数据集Have2017如下所示：

var1 var2 var3
 0    2    5
 3    7    9

数据集Have2018如下所示：

var1 var2 var3
 0    2    5
 3    7    9

子集Want2017如下所示：

var1 var2 year
 3    7   2017

子集Want2018如下所示：

var1 var2 year
 3    7   2018

最终数据集appended如下：

var1 var2 year
 3    7   2017
 3    7   2018

以下SAS脚本可以解决问题：

libname raw 'path_to_have_data';

%macro a;

%do &year.=2000 %to 2018;

data want&year. (keep= var1 var2);
set raw.have&year.;
where var1 ne '0';
year=&year.;
run;

%end;
%mend;
%a;

data appended;
set want:;
run;

有人知道如何用R Studio达到相同的结果吗？

编辑：问题的MCVE版

这是从原始帖子中产生所需结果所需的SAS代码的工作版本。

首先，需要执行DATA步骤才能创建一些SAS数据集。我们将它们存储在默认的WORK库中，而不是引用磁盘上的另一个库。

/* generate sample data */
 data have2000 have2001 have2002;
    input var1 var2 var3;
    cards;
    0 1 2
    1 3 5
    2 7 4
    0 9 9
    8 7 3
    ;
    run;

接下来，我们需要对SAS宏进行一些编辑才能使其运行。

/* run macro from OP */
options mprint; /* shows SAS code generated by macro processor */
/* 
 * corrections / adjustments made to macro
 * 1. remove & in %do loop
 * 2. add year to keep list
 * 3. fix syntax error in where statement because var1 is numeric 
 * 4. use work library, and only process 3 years of data 
 */
%macro a;
   %do year = 2000 %to 2002;
      data want&year. (keep= var1 var2 year);
         set have&year.;
         where var1 ne 0;
         year=&year.;
      run;
   %end;
%mend;
/* run the macro */
%a;

SAS选项mprint使SAS将宏生成的代码写入日志。当我们运行宏时，为单个数据集生成的代码的子集如下所示。

 MPRINT(A):   data want2000 (keep= var1 var2 year);
 MPRINT(A):   set have2000;
 MPRINT(A):   where var1 ne 0;
 MPRINT(A):   year=2000;
 MPRINT(A):   run;
 MPRINT(A):   data want2001 (keep= var1 var2 year);
 MPRINT(A):   set have2001;
 MPRINT(A):   where var1 ne 0;
 MPRINT(A):   year=2001;
 MPRINT(A):   run;
 MPRINT(A):   data want2002 (keep= var1 var2 year);
 MPRINT(A):   set have2002;
 MPRINT(A):   where var1 ne 0;
 MPRINT(A):   year=2002;
 MPRINT(A):   run;

该宏生成三个SAS数据步骤，每年一次，包括以下更改。

拖放var3
删除行var1 = 0
将输出写入名为want<year>的SAS数据集

最后，该代码将刚创建的数据集合并为一个名为appended的SAS数据集。我们还将打印结果数据集。

data appended;
set want:; /* references all SAS datasets that start with "want" */
run;

proc print data = appended;
run;

...以及输出：

Answer 1

这是针对该问题的Base R解决方案。 OP希望复制SAS宏的过程，该宏将SAS数据集列表raw.have2000-raw.have2018保留为两列，并设置变量year等于数据集名称中列出的年份，并将它们合并为一个数据集。

# create some data

var1 <- 0:5
var2 <- 6:11
var3 <- 12:17 

raw.have2000 <- data.frame(var1,var2,var3)
raw.have2001 <- data.frame(var1,var2,var3)
raw.have2002 <- data.frame(var1,var2,var3)

years <- 2000:2002
dataList <- lapply(years,function(x){
     # create name of data set as a character object
     dsname <- paste0("raw.have",x)
     # use dsname with get() to extract data and subset first 2 variables
     ds <- subset(get(dsname),var1 !=0,select=c(var1,var2))
     ds$year <- x
     # print to have data frame returned in
     # output list 
     ds 
})
# combine data frames 
appended <- do.call(rbind,dataList)

...和输出，请注意已删除var1 = 0，删除了var3并添加了year变量的行：

> appended
   var1 var2 year
2     1    7 2000
3     2    8 2000
4     3    9 2000
5     4   10 2000
6     5   11 2000
21    1    7 2001
31    2    8 2001
41    3    9 2001
51    4   10 2001
61    5   11 2001
22    1    7 2002
32    2    8 2002
42    3    9 2002
52    4   10 2002
62    5   11 2002
>

说明

SAS和R之间的主要区别之一是经验丰富的SAS程序员使用SAS宏语言来自动执行重复性任务。宏语言生成由SAS系统处理的SAS代码。

R没有宏语言/代码生成器。但是，可以使用get()函数访问R对象，这些对象的名称可以通过将各种信息组合成字符对象来生成。

Answer 2

考虑使用mget将全局环境中所有需要的 have 数据帧检索到数据帧列表中。然后，对每个项目重复执行数据框操作，然后在行末绑定所有项目。

以下使用mapply在 have 数据帧和2000-2018年之间逐元素进行迭代：

haves_dfs <- mget(ls(pattern="have"))

# SUBSET ROWS AND COLUMNS
want_dfs <- mapply(function(df, yr) transform(subset(df, var1 != '0')[c("var1", "var2")],
                                              year = yr), 
                   have_dfs, c(2000:2018), SIMPLIFY = FALSE)

final_df <- do.call(rbind, want_dfs)

或者使用lapply反复使用get：

want_dfs <- lapply(c(2000:2018), function(yr) 
               # SUBSET ROWS AND COLUMNS
               transform(subset(get(paste0("have", yr)), var1 != '0')[c("var1", "var2")],
                         year = yr)
            )

final_df <- do.call(rbind, want_dfs)

上面，可能看起来很密集，但是嵌套了一行

transform(subset(df, var1 != '0')[c("var1", "var2")], year = yr)

等同于多个步骤：

df_process <- function(df, yr) {
    # SUBSET ROWS
    df <- df[df$var1 != '0',]
    # SUBSET COLUMNS
    df <- df[c("var1", "var2")]
    # ADD NEW COLUMN
    df$year <- yr

    # RETURN FINAL
    return(df)
}

Answer 3

感谢@Parfait也写出了能解决问题的好答案！但是，在您的第一行代码中，您编写了：

haves_dfs <- mget(ls(pattern="have"))

，随后您引用了：

have_dfs

因此，您的第一行代码应该是：

have_dfs <- mget(ls(pattern="have"))

我已经调整了您的答案，并将其与@Len给定答案的一部分的数据集结合在一起。这是该解决方案的完整示例：

var1 <- 0:5
var2 <- 6:11
var3 <- 12:17

have2000 <- data.frame(var1,var2,var3)
have2001 <- data.frame(var1,var2,var3)
have2002 <- data.frame(var1,var2,var3)

have_dfs <- mget(ls(pattern="have"))

want_dfs <- mapply(function(df, yr) transform(subset(df, var1 != '0')[c("var1", "var2")],
                                              year = yr), 
                   have_dfs, c(2000:2002), SIMPLIFY = FALSE)

final_df <- do.call(rbind, want_dfs)

或使用lapply和get()：

want_dfs <- lapply(c(2000:2002), function(yr) 
transform(subset(get(paste0("have", yr)), var1 != '0')[c("var1", "var2")],
            year = yr) )

final_df <- do.call(rbind, want_dfs)

如何在R studio中使用do循环使SAS宏等效？

编辑：问题的MCVE版

3 个答案:

说明