晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

合併資料是大型資料（譬如資料庫）最常見的資料處理之一，由於資料龐大，因此這些資料在一開始都會被拆分在很多資料集裡，直到分析之前才會進行合併的動作。在介紹資料合併之前，將先介紹一下相關有用的敘述句。

一、資料處理常用敘述句

1.1  BY 變數名稱

BY通常需要搭配其他敘述句來使用，譬如說資料BY變數A來排序，BY變數B將兩筆資料作橫(縱)向合併，甚至BY變數C來做分析，以下則是根據姓名來做遞減排序。但除了SORT的敘述句之外，若其他敘述句要搭配BY來使用時，需先將資料排序過，否則在LOG視窗會跑出錯誤訊息。

Ps.如果想要遞增排序則把DESCENDING移除（因為SAS裡的預設為遞增）

1.2  DROP = 變數名稱

在欲建立的資料集中刪除不要的變項，直接放在DATA敘述句當中即可。

(我想上統計課)

1.3  FIRSTOBS = n

進行資料處理時，某指定資料集從第n筆開始處理，換句話說第n筆之前的資料則直接捨去，以下例子為從第9筆開始處理。

1.4  IN = 變數

以下的語法，是將兩資料集根據變數A做合併時，另外去新增變數去判別此筆資料是由哪個資料集提供的，若該筆資料的任何一個欄位是由case1資料集得到的，那麼Source1的數值為1，若無任何欄位由case1資料集得到的，那麼Source1的數值為0；反之若該筆資料的任何一個欄位是由case2資料集得到的，那麼Source2的數值為1，反之則為0。

二、以SET敘述句做資料的縱向(直向)合併或複製

2.1  POINT=N

與DO迴圈配合使用，可以保留自己所需要的第n筆資料!!最近剛接觸到一個資料庫的諮詢碰到一個資料處理的例子剛好適用，雖然不是最快的方式，但仍然是解決方法之一，問題是這樣子的：「研究者想從資料集中將不適合的樣本剃除，而且研究者已經知道要保留下來的樣本流水號，無奈這些人是不連號的，因此最後我根據特定條件去把符合樣本的ID篩選出來，最後再保留這些ID的樣本」，因此無法使用上述的FIRSTOBS=n或OBS=n，以下將用個例子做介紹。

這一段語法是說，研究者欲建立一個資料集case2，這個case2的資料case1複製過去，但只留下第1,3,4筆的資料。

2.2  常利用SET來成立新的資料集

我們常會利用SET敘述句去搭配KEEP或是DROP來建立一個新的資料集，最常見的建立方式有以下幾種（以KEEP為例）。以下幾種方式皆能建立出您要的資料，僅差別在記憶體儲存的不同，不過我想以目前的電腦科技，這個差別應該不至於太大才對。

Ps.書上較推薦case2的方式，所佔的記憶體容量較小

2.3  搭配IF或IF THEN DELETE去篩選特定樣本

當我們欲拷貝的資料集是for特定對象，此時可以搭配IF或IF THEN DELETE去篩選特定樣本。這點跟SPSS裡用滿足條件的方式去篩選樣本有一樣的一致。

Ps.書上較推薦case2的方式，所佔的記憶體容量較小

2.4  複製新的資料集時產生新變數

利用SET產生資料集的過程中，仍可利用一些函數來產生一些需要用到的變項，這一點跟之前在讀取資料的時候順便去做計算的方法一樣。

2.5  SET小結

經過以上的介紹，SET主要用在的情形有2種，一種是當要複製一個資料出來try時而不想動到原資料（較常用），第二則是當我們的樣本分布在不同資料集時所需做的合併!!如果是要處理資料集之間的合併，建議不要處理的太複雜，譬如說兩個資料集中有同一個受訪者，以免資料處理的時候出問題。