Pour garder ou supprimer sous SAS des variables, il y a les mots-clés KEEP (garder) et DROP (enlever). Sélectionner les variables nécessaires par la suite et seulement celles-ci est très important. Cela fait partie des outils pour améliorer la performance d’un programme tant en terme de temps d’exécution que le volume demandé pour stocker les data sets. Voici plus en détails, et avec des exemples, l’utilisation de ce vocabulaire qui s’applique au data step, aux procédures et à la syntaxe de l’ODS OUTPUT.
1. L’option dans un data step
Les mots KEEP et DROP servent principalement en tant qu’option appliquée à un data set donné. Elles sont alors listées juste après le nom du data set entre parenthèses et sont suivies du signe égal :
- Keep= Data Set Option : nom_du_dataset (keep=nom_var1 nom_var2 etc)
- Drop= Data Set Option : nom_du_dataset (drop=nom_var1 nom_var2 etc)
Exemple 1 : une instruction SET
data class (drop=weight: height:);
set sashelp.class (keep=name weight height);
weight_kg = weight*0.45359237;
height_m = height*0.0254;
bmi = weight_kg/height_m**2;
run;
Dans le cas présent, les variables NAME (nom), WEIGHT (poids) et HEIGHT (taille) sont lues dans le fichier d’origine SASHELP.CLASS et gardées. De nouvelles variables sont calculées pour avoir un poids en kilogramme (WIEGHT_KG) et une taille en mètres (HEIGHT_M). A partir du poids et de la taille, l’indicateur de masse corporelle (BMI) est calculé. Les variables, dont le nom commence par WEIGHT et HEIGHT, ne sont plus nécessaires par la suite. Elles sont donc supprimée dans le data set final appelé CLASS.
Soit le mot KEEP, soit le mot DROP est donné en option mais pas les deux afin d’éviter les confusions. Le choix entre KEEP et DROP dépend souvent du nombre de variables à lister par la suite. C’est donc un choix purement pratique.
Note, Indice de masse corporelle : L’indice de masse corporel (Body Mass Index, BMI) est égal au poids divisé par la taille au carré (poids/taille2). Le site de l’Organisation Mondiale de la Santé (World Health Organisation, WHO) donne des précisions sur le sujet.
Note, Conversion des unités de mesures (source Wikipedia) : je suppose que la taille donnée dans le fichier SASHELP.CLASS est exprimée en pouces (inches) et que le poids est exprimé en livres (pounds). Sachant qu’un pouce est égal à 2,54 cm et qu’une livre est égale à 0,45359237 kg, les tailles et poids du premier exemple ont pu être convertis en mètres et kilos.
Exemple 2 : une instruction MERGE
data age_ae;
merge ae (in=ref keep=name ae_id ae_sev)
patient (keep=name age);
by name;
if ref;
run;
Dans ce second exemple, les patients ayant eu un effet secondaire (adverse event, AE) sont enregistrés dans le data set AE. Chaque effet secondaire est identifié de manière unique par les variables NAME et AE_ID. La sévérité de l’effet secondaire nous intéresse dans le data set AE.
A cette information, est ajouté l’âge du patient disponible dans la variable AGE du data set PATIENT.
La variable commune aux deux data sets est NAME. Il faut donc qu’elle reste dans les deux data sets. Seuls les patients ayant eu un effet secondaire sont sélectionnés grâce à l’option IN.
Pour tester l’exemple, vous trouverez en fin d’article un code créant les fichiers PATIENT et AE.
NOTE : Une variable utilisée par une autre option du data set comme RENAME ou WHERE ne pourra pas être supprimée au même moment.
2. Quelques exemples de procédures
Dans une procédure, elles suivent le nom du data set d’entrée et/ou du data set de sortie. Aucun autre mot ne doit être inséré entre le nom du data set et les options entre parenthèses.
- proc sort data=… () out=…();
- proc print data=… () width=min;
- proc transpose data=…() out=…() prefix=visit;
- proc freq data=…();
- proc report data=…() split=’#’;
- proc tabulate data=…()
- proc gplot data=…()
- proc boxplot data=…()
- proc univariate data=…()
- proc ttest data=…()
- etc.
La procédure SQL liste les variables à garder après le mot SELECT. Il n’y a pas à ce stade d’option pour supprimer les variables. Par contre, on peut affiner la sélection après que le data set final soit créé. Bien sûr, le temps de lecture est augmenté puisque toutes les variables sont lues pour créer le data set et non un sous-ensemble.
proc sql;
create table test (drop=ae_sdt ae_edt) as
select a.*, age
from ae a
left join
patient b
on a.name=b.name;
quit;
NOTE : L’option WHERE est très pratique lorsqu’on en peut faire une sélection que sur le résultat de la fusion.
proc sql;
create table test (where=(ae_sev=1 or age=12)) as
select a.*, age
from (select name, ae_id, ae_sev
from ae) a
left join
(select name, age
from patient) b
on a.name=b.name;
quit;
3. L’option dans l’ODS OUTPUT
Les sorties générées par une procédure sont redirigeables vers un data set via l’instruction ODS OUTPUT. Le nom de la sortie est alors suivi du signe égal et du nom du data set de destination. Après ce nom les options sont ajoutables.
ods exclude all;
ods output onewayfreqs=exemple_ods (keep=age frequency percent);
proc freq data=sashelp.class;
table age;
run;
ods output clear;
ods exclude none;
Deux articles sur l’ODS OUTPUT sont déjà à votre disposition
- Un tableau à une dimension avec PROC FREQ et l’ODS OUTPUT
- Diriger les sorties d’un PROC MEANS dans un data set SAS
4. Les instructions KEEP et DROP dans un data step
En plus des options KEEP et DROP, il existe les instructions KEEP (KEEP Statement) et DROP (Drop Statement) pouvant être exécutées dans un data step. L’important ici est de se souvenir que l’instruction s’applique à la fin du data step, une fois que le data set final est créé. Ainsi il n’est pas possible de supprimer une variable en milieu de programme pour ensuite créer une autre variable du même nom.
data class (drop=i);
do i=0 to 3;
output;
end;
do i=10 to 12;
output;
end;
run;
data class;
do i=0 to 3;
output;
end;
drop i;
do i=10 to 12;
output;
end;
run;
Les deux exemples ci-dessus font le même travail. La variable I n’apparaîtra pas dans le data set final car elle est supprimée en fin de programme.
Lectures complémentaires : Outre les options KEEP et DROP, le programmeur utilisera souvent les options RENAME et WHERE et de temps en temps les options FIRSTOBS et OBS. Pour une liste complète des options, consultez la documentation en ligne : SAS Data Set Option.
Après savoir comment supprimer les variables et donc les colonnes d’un data set SAS, vous serez peut-être intéressé de savoir comment supprimer ou garder certaines lignes d’un data set avec les mots-clés DELETE (DELETE Statement) et OUTPUT (OUTPUT Statement).
Annexe : Créer les data sets PATIENT et AE pour tester l’exemple avec MERGE.
data patient;
set sashelp.class;
run;
data ae;
set sashelp.class (keep=name);
if name=‘Thomas’ then
do;
ae_id = 1;
ae_sdt = ’21MAR2007’d;
ae_edt = ’28APR2007’d;
ae_sev = 3;
output;
ae_id = 2;
ae_sdt = ’03JUN2007’d;
ae_edt = ’19JUN2007’d;
ae_sev = 1;
output;
end;
run;
La référence SAS 