이전 게시글에서 PROC TABULATE의 기본적인 Syntax와 활용예제에 대해서 알아봤습니다. 이번에는 PROC TABULATE syntax에서 통계량을 활용하는 방법에 대해서 알아보겠습니다.     사용데이터는 sales라는 판매 데이터로 데이터 구조에 대한 설명은 PROC TABULATE 게시글에서 확인할 수 있습니다. sales 데이터는 판매, 이익, 할인, 고객, 지역, 제품 등의 정보를 모두 포함하고 있습니다.       ■ 활용예제1   FILENAME REFFILE '/home/u45061472/sales.xlsx'; PROC IMPORT DATAFILE=REFFILE DBMS=XLSX OUT=WORK.SALES ; GETNAMES=YES; RUN; PROC TABULATE DATA = WORK.SALES; CLASS PROVINCE; VAR SALES; TABLE PROVINCE, N SALES*SUM; RUN;         PROC TABULATE: TABULATE 프로시저를 WORK 라이브러리 안에 있는 SALES라는 데이터를 활용해 실행합니다. SALES 데이터로 지역별 판매 데이터를 요약하는 교차표를 생성할 수 있습니다. CLASS PROVINCE: PROVINCE 범주를 활용해 범주형 변수로 설정합니다. CLASS 옵션에서 지정된 변수는 테이블의 행이나 열을 구성합니다. TABLE PROVINCE: 실제 테이블의 구조를 설정해 행에는 PROVINCE를 설정하고 N SALES*SUM으로 열에는 2가지의 통계량을 배치합니다. N은 각 지역별 관측치 개수/빈도를 의미하고 SALES*SUM은 SALES 변수의 합계를 표시합니다. 쉼표(,)를 통해서 행과 열을 구분할 수 있습니다. ​ 위 코드를 통해서 지역별 판매 건수와 판매액을 확인할 수 있습니다. ​       ​ ■ 활용예제2   ROC TABULATE DATA = WORK.SALES; CLASS PROVINCE; VAR SALES; TABLE PROVINCE, SALES*(N SUM MEAN STD MIN MAX); RUN;             CLASS PROVINCE: PROVINCE 변수를 범주형 변수로 설정해 지역 단위로 데이터를 그룹화합니다. VAR SALES: SALES는 매출액으로 분석 대상을 수치형 변수로 설정합니다. TABLE PROVINCE, SALES*(N SUM MEAN STD MIN MAX): 행에는 PROVINCE 변수를 설정하고 열에는 SALES에 대한 N / SUM / MEAN / STD/ MIN / MAX 값을 출력합니다. ​ ​   ​ ■ 활용예제3   PROC TABULATE DATA = WORK.SALES; CLASS PROVINCE; VAR SALES PROFIT Unit_Price; TABLE PROVINCE, (SALES PROFIT Unit_Price)*(SUM MEAN); RUN;         CLASS PROVINCE: PROVINCE 변수를 범주형 변수로 설정합니다. VAR SALES PROFIT Unit_Price: SALES / PROFIT / UNIT_PRICE를 수치형 변수로 지정합니다. TABLE PROVINCE, (SALES PROFIT Unit_Price)*(SUM MEAN): 행에는 PROVINCE 변수를 열에는 SALES / PROFIT / UNIT_PRICE 변수에 대해 SUM(합계)와 MEAN(평균)을 출력합니다.       ... View more

PROC TABULATE는 요약통계에 유용한 프로시저입니다. ​ 다차원 표 생성 다양한 통계량 - 빈도(N), 평균(MEAN), 표준편차(STD), 합계(SUM), 백분율(PCTN) 등을 한번에 계산할 수 있습니다. 직관적인 보고서 출력 가능 ​ ​ ■ PROC TABULATE 기본 SYNTAX   PROC TABULATE data=데이터셋 옵션들; CLASS 범주형변수들; VAR 연속형변수들; TABLE 행차원, 열차원; RUN;   sales 라는 데이터를 활용해 PROC TABULATE 구문에 대해서 알아보겠습니다. ​ 사용예제는 Sales 라는 데이터로 2,999개의 행과 21개의 칼럼으로 되어있습니다. 칼럼은 다음과 같습니다. ​ ​ Row_ID – 데이터 행 고유번호 Order_ID – 주문 고유번호 Order_Date – 주문 날짜 Order_Quantity – 주문 수량 Sales – 매출액 Discount – 할인율 Ship_Mode – 배송 방식 (예: Regular Air) Profit – 이익 Unit_Price – 단가 Shipping_Cost – 배송비 Customer_Name – 고객명 Province – 고객의 주/지역 Customer_Segment – 고객 세그먼트 (예: Consumer, Corporate, Home Office) Product_Category – 제품 카테고리 (예: Furniture, Office Supplies 등) Product_Sub_Category – 세부 제품 카테고리 Product_Name – 제품명 Product_Container – 제품 포장 단위 (예: Small Box, Medium Box 등) Product_Base_Margin – 기본 마진율 Ship_Date – 배송일 customer_id – 고객 ID product_id – 제품 ID ​ ​ ​   ■ 예제1   FILENAME REFFILE '/home/u45061472/sales.xlsx'; PROC IMPORT DATAFILE=REFFILE DBMS=XLSX OUT=WORK.SALES ; GETNAMES=YES; RUN; PROC CONTENTS DATA=WORK.SALES; RUN; PROC TABULATE DATA = WORK.SALES; CLASS PROVINCE; TABLE PROVINCE; RUN;       FILENAME: 엑셀 파일 위치를 'REFILE'이라는 구문을 사용해서 지정하고 'sales.xlsx.라는 데이터를 로드할 수 있게 SAS 내 경로를 설정합니다. ​ PROC IMPORT: 엑셀 파일을 SAS 데이터셋으로 변환합니다. PROC IMPORT 안에는 세부 옵션이 있습니다. DATAFILE = REFILE: 지정한 파일을 참조 DBMS = XLSX: 파일 형식이 엑셀임을 지정 OUT = WORK.SAELS: 불러온 데이터를 WORK 라이브러리에 SALES라는 데이터로 저장 GETNAMES = YES: 엑셀에서 첫 행을 변수명으로 사용합니다. ​ PROC CONTENTS: 데이터 셋의 구조를 보여줍니다. ​ PROC TABULATE: 교차표, 요약표를 만드는 구문입니다. CLASS : PROVINCE(고객 거주 지역) 변수를 범주형 변수로 설정 TABLE PROVINCE: 각 지역별로 몇 번의 주문을 했는지 빈도표로 출력하는 구문 ​ ​     ■ 예제2   PROC TABULATE DATA = WORK.SALES; CLASS PROVINCE; TABLE PROVINCE, N; RUN;       예제2는 위의 예제1과 비슷한 코드입니다. 하지만 예제1의 경우 단순 빈도를 출력하는 것이고, TABLE PROVINCE, N을 작성함으로 PROVINCE (고객 거주 지역) 행에 N(관측치 수)를 열을 표기합니다. 이는 행렬 형태로 PROVINCE별로 N값이 열로 정리된 형태의 테이블로 가시적인 교차표 형태로 출력됩니다.       ... View more

  PROC TABULATE ​ PROC TABULATE는 요약 통계 테이블을 만드는데 사용하는 SAS의 Syntax입니다. 아래와 같은 특징을 가지고 있습니다. ​ 다차원 교차표 생성: 여러 변수들의 교차분석이 가능합니다. 행/렬/페이지의 조합 : 2-3차원 테이블까지 생성가능합니다. 통계량 출력 - SUM(합계), MEAN(평균), MIN/MAX(최소/최대), STD(표준편차), 비율(PCTN, PCTSUM)등을 출력할 수 있습니다. PROC REPORT 와 비슷한 기능이지만 수치 요약에는 PROC TABULATE가 특화되어 있습니다. ​ ​ ​ ■ 기본 Syntax   PROC TABULATE data=데이터셋 옵션들; CLASS 범주형변수들; VAR 연속형변수들; TABLE 행차원, 열차원; RUN;     CLASS 범주형 변수 : 테이블 차원을 구성한 변수 (여러개의 변수 입력 가능) VAR 연속형 변수: 통계량을 계산할 변수 (여러개의 변수 입력 가능) TABLE 행차원, 열차원: 테이블의 구조를 정의 테이블의 행/열 차원은 연산자를 사용해서 테이블의 구조를 정의할 수 있습니다. * : 교차 연산자로 모든 조합이 가능합니다. +: 연결(Concatenate)로 나란히 배치가 가능합니다. () 그룹핑으로 여러 요소를 묶을 수 있습니다. ​ ​ ​ ​ ■ 사용예제   PROC TABULATE data = test2 missing; class ageatstart sex weight_status; var weight; table ageatstart * weight_Status, sex * (weight*mean); run;     이전 게시글 사용자 정의 포맷 1  에서 생성한 TEST2 데이터를 활용합니다. ​     MISSING: 결측값도 테이블에 포함시킨다라는 의미입니다. CLASS: 범주형 변수들을 지정합니다. 테이블의 행과 열을 구성하는 변수들로서 AGESTART(시작연령), SEX(성별), WEIGHT_STATUS(체중상태)는 범주형 변수들로 지정합니다. VAR: 분석할 연속형 변수를 지정함으로서 통계량을 계산할 변수들을 지정합니다. ​ 즉, 행에는 성별(Sex) 열에는 나이*키*몸무게의 평균/표준편차/개수가 정리된 표가 출력됩니다. 행: 시작연령/ 체중상태의 교차 조합으로 행을 구성하고 열: 성별별로 체중의 평균값을 열로 표시합니다. ​     ... View more

SAS에는 다양한 기본 숫자, 문자, 날짜/시간 포맷이 있습니다. 하지만 특정 조건에 따라 데이터를 다르게 표현해야 할 때가 있습니다. ​ 이럴 때 사용자 정의 형식(Customized Format)을 사용하여 데이터를 사용자가 원하는 대로 정의할 수 있습니다. ​ 개개인의 건강정보와 심장 질환 관련된 정보가 포함된 가상의 Heart 데이터와 예제를 통해서 사용자 정의 포맷에 대해서 알아보겠습니다. ​         ​ 데이터는 5,209개의 데이터와 17개의 칼럼으로 구성되어 있습니다. ​ Status: 생존(Alive) 또는 사망(Dead) 여부. DeathCause: 사망했을 경우 사망 원인. AgeCHDdiag: 심장 질환 진단을 받은 나이. Sex: 성별. AgeAtStart: 데이터 수집을 시작했을 당시의 나이. Height: 신장. Weight: 체중. Diastolic: 이완기 혈압. Systolic: 수축기 혈압. MRW: Metropolitan Relative Weight (메트로폴리탄 상대 체중) 지수. Smoking: 흡연량(담배 개비 수). AgeAtDeath: 사망했을 당시의 나이. Cholesterol: 콜레스테롤 수치. Chol_Status: 콜레스테롤 상태(Desirable, Borderline, High). BP_Status: 혈압 상태(Optimal, Normal, High). Weight_Status: 체중 상태(Normal, Overweight, Underweight 등). Smoking_Status: 흡연 상태(Non-smoker, Moderate, Heavy 등). ​ ​ 이 데이터셋은 환자의 상태, 주요 건강 지표(혈압, 콜레스테롤), 그리고 생활 습관(흡연, 체중) 등의 정보를 종합적으로 담고 있어 심장 질환과 관련된 위험 요인을 분석하는 데 사용될 수 있습니다. ​ 데이터는 NULL 값인 것도 있으며 . 로 구성된 데이터도 있습니다. Status 변수가 Alive인 사람들은 아직 생존해 있기 때문에, AgeAtDeath (사망 당시 나이)와 DeathCause (사망 원인) 변수에 값이 있을 수 없습니다. 이 경우 결측치는 '해당 없음(Not Applicable)'을 의미합니다. ​ Systolic(수축기 혈압)의 데이터를 가지고 정상(Normal), Prehypertenstion(고혈압 전단계), Hypertension(고혈압) 분류해 SystolicStatus라는 새로운 칼럼을 만들어 보겠습니다. ​ 분류의 기준은 아래와 같습니다. - Normal(정상): 120 미만 - Prehypertension(고혈압 전단계): 120이상 139이하 - Hypertension(고혈압): 140 이상 ​     방법1. 조건문 IF-ELSE IF 구문을 사용하여 수축기 혈압 값에 따른 분류     data test; set work.heart; if Systolic < 120 then SystolicStatus = "Normal"; else if 120 <= Systolic <= 139 then SystolicStatus = "Prehypertension"; else if Systolic >= 140 then SystolicStatus = "Hypertension"; else SystolicStatus = "Missing"; run;           Systolic에 따라 SystolicStatus라는 새로운 칼럼값이 새로 생성된걸 확인할 수 있습니다. ​ IF-THEN-ELSE 구문을 사용하면, 아래와 같은 장점이 있습니다. 더 명확하고 직관적 데이터에 실제 텍스트 값이 저장됨 포맷 의존성 없이 다른 프로시저에서도 사용 가능 디버깅이 쉬움 ​       방법2. PROC FORMAT 문 활용하기     proc format; value systolicStatus low-<120 = "Normal" 120-139 = "Prehypertension" 140-high = "Hypertension" . = "Missing"; run; data test2; set work.heart; format Systolic SystolicStatus.; run;           PROC Format 문을 사용하면 아래와 같은 장점이 있습니다.   데이터 가독성 데이터의 일관성 유지 코드 간소화 재사용 가능   ... View more

SAS에서는 다양한 숫자형식을 지원하며 데이터를 효율적으로 관리하고 분석할 수 있습니다. 이번 글에서는 SAS의 주요 숫자 형식에 대해서 알아보겠습니다. ​ ​ ​ 1. COMMA6.2 ​ 숫자를 쉼표와 소수점 자리수를 포함해서 보여주는 숫자형식입니다. 6은 소수점을 포함한 전체 자리수를 의미하고, 2는 소수점 아래 2자리를 표시합니다. 즉, 숫자를 소수 둘째 자리까지 표시하고, 총 6자리 안에서 쉼표를 붙혀줍니다.     DATA my_sales_data; INPUT product $ sales_revenue; FORMAT sales_revenue COMMA6.2; DATALINES; 과자 1234.567 음료 5678.9 라면 98765.4 빵 1000 아이스크림 12.345 ; RUN;           위 데이터는 Product와 Sales_Revenue 칼럼으로 구성된 가상의 데이터셋(My_Sales_Data)입니다. ​ 첫번째 행인 과자의 raw data는 1234.567에서 COMMA6.2 라는 숫자형식을 적용하게 되면, 소수점까지 포함한 6자리를 초과하기 때문에 소수 둘째 자리를 버리고 한자리만 표시해서 1234.6으로 결과값이 출력하게 됩니다. 5번째 행인 아이스크림의 경우 raw data가 12.345이지만, COMMA6.2 라는 포맷을 적용하게 되면 소수 둘째 자리에서 반올림을 하게 되어 12.35라는 값을 출력하게 됩니다. ​ ​ ​ ​ ​ 2. DOLLAR8.2 ​ 통화와 관련된 데이터를 표시할 때 사용되며 총 길이는 숫자, 소수점, 쉼표, 달러 기호가 포함된 8자리이며 소수점은 2자리까지만 표기합니다. 쉼표는 천 단위마다 가독성을 위해서 ,를 자동으로 넣어주게 되어있습니다.     DATA sales; INPUT product $ sales_amount; FORMAT sales_amount DOLLAR8.2; DATALINES; 컴퓨터 1234.56 모니터 567.89 키보드 9876.543 마우스 123456.7 ; RUN;             ​ 위 데이터는 가상의 데이터 SALES로 product 와 sales_amount라는 두 변수를 정의하고 있습니다. INPUT 을 통해서 변수 이름과 형식을 지정합니다. PRODUCT $는 문자형 변수를 의미하고 $가 붙지 않으면 숫자형 변수를 의미합니다. ​ 4번째 데이터인 마우스 데이터의 sales_amount 값을 보면 $ 달러 표기 없이 123456.7로 결과값이 출력되었습니다. 이는 자리수가 총 8자리를 초과할 경우 달러 기호가 잘려서 표기 되지 않습니다. 즉, $ 달러 표기 보다는 자리수를 우선시하고 있습니다.   ... View more