sql - SAS : data steps versus proc sql

Question

所以我开始对sas有点熟悉了，我意识到我学到的很多对数据集进行的操作也可以使用proc sql语句来完成，包括合并、创建变量、子集化等等。

因此，我的问题是:“什么时候最好做什么？”，proc sql 更好吗？总是 ？哪个最快，哪个消耗内存更少？

请注意，我可能预计答案是“这取决于”，在这种情况下我想知道什么。

Answer 1

如果您执行以下步骤:

data temp_new;
set temp;
run;

和

proc sql;
create table temp_new as
select *
from temp;
quit;

你会发现没有什么区别。但有很多。我将仅介绍特性功能、数据步骤可以做什么以及 proc sql 可以做什么。

数据步骤可以:

• 使用循环；
• 从文件输入。
• 使用 open、fetch、fetchobs 语句循环数据。
• 使用putLog/put输出到日志/文件；
• 使用first、last、retain语句控制数据流。 _n_、_error_ 和其他变量。
• 在单个 dataStep 中输出到不同的表。
• 输出语句控制向数据集添加多少记录。
• 在数据步骤中使用哈希。
• 使用数组
• 强制停止阅读
• 合并/设置时，除内存外，输入数据集的数量没有限制。 (在SAS 9.1 in SQL中:一次可以join的最大表数是32个，不知道后面的SAS版本有没有改变)
• 基本上复杂的业务逻辑更容易与数据步骤处理合并。

Proc sql 可以:

• 使用分组和排序；
• 使用内部 SQL。
• 集合运算(并集/外并集/相交/异常(exception))。
• 执行内/外连接而不对数据进行排序。
• 对插入/删除/更新操作使用完整性约束。 (我不涉及修改/更新语句的数据步骤)。
• 直接访问 DBMS。

另一个很大的区别是数据步骤和 proc sql 如何处理数据集。
数据步骤顺序读取记录以编程数据向量，然后对其进行一些处理并将其输出到数据集。 http://support.sas.com/documentation/cdl/en/basess/58133/HTML/default/viewer.htm#a001290590.htm

而 proc sql 将所有内容放入内存或实用程序文件中(如果内存不够)，并在内存中进行所有计算和连接。之后它将所有数据写入数据集。

我基本上都用它们。 Proc sql 在执行某些需要插入、更新或删除小部分数据的操作时效率很高。例如，您想要向具有 1KK 条记录的数据集添加一条记录。在这种情况下，您将不会使用数据步骤(您可以使用 proc 附加替代方案)
如果我需要与大表进行许多连接，我更喜欢使用数据步骤合并/过程排序组合或其他技术(例如将一个数据集放入数组，使用散列或使用格式)来完成此操作，因为它在时间上不是那么痛苦。