【SAS】基礎07_オブザベーションの入出力制御（DATAテップの処理の流れ、サブセット化IF、WHERE）

1. DATAステップ処理の流れ

通常、DATAステッププログラムは、入力データを読み込んで新しいSASデータセットを作成するという構造で記述される。入力データが外部ファイルであればINPUTステートメント、SASデータセットであればSETステートメントを使用することは、これまでに学んできた。
実は、DATAステップ内にINPUTやSETステートメントなどデータを読み込むためのステートメントが存在する場合、そのDATAステップは、読み込むデータの件数分、反復して処理がおこなわれる。具体的には下記の様な流れである。

こうしたDATAステップ処理の流れを正確に把握するためには、プログラムデータベクトル（PDV）というSAS特有の仕組みを理解する必要がある。PDVとは、データセットへ出力するオブザべーションを作成するためにSASが使う一時的な変数の格納先のことである。PDVはメモリ上に構築される。

2. OUTPUTステートメント

DATAステップは、反復処理の度に、オブザべーションをSASデータセットへ自動出力してくれる。この自動出力のことを「暗黙のアウトプット」と呼ぶ。暗黙のアウトプットの実態は、データセットへオブザべーションを出力するためのOUTPUTステートメントが、自動的に実行されていることにほかならない。

OUTPUTステートメントは、DATAステップ内に明示することも可能である。その場合「暗黙のアウトプット」は無効化され、明示されたOUTPUTステートメントによってのみ、データセットへの出力が行われることになる。

これは、OUTPUTステートメントの明示によって任意なオブザべーションの出力制御が可能になるということであり、「ある条件に合致したオブザべーションだけ出力する」「同一オブザべーションを複数回出力する」といった処理をおこなうことが可能になる。実際の業務では、OUTPUTステートメントの活用は欠かすことができないテクニックである。

data mail femail;

	set list;

	if 	sex = 1 then output mail;
	else if	sex = 2 then output femail;
	else put "WARNING:想定外の値が存在します。" (first_name last_name sex)(=);

run;

data output_sample;
	do i=1 to 2;
		do j=1 to 5;
			output;
		end;
	end;
run;

3. サブセット化IFステートメント

サブセット化ＩＦステートメントは、条件に合致したオブザべーションの場合だけ、後続のステートメント処理を継続する働きをする。逆に、条件に合致しない場合、そのオブザべーションの処理は終了され、次のオブザべーションに処理が移ってしまう。こうした特徴から、ある条件に合致するオブザべーションだけに絞ったデータセットを作成するために、頻繁に利用するステートメントである。
なお、IF～THEN/ELSEステートメントとは、別のステートメントである。

data list_over30;

	set list;

	if age >= 30;

	/*省略されているが、この位置に暗黙のOUTPUTステートメントが存在する*/
run;

4. DELETEステートメント

DELETEステートメントは、現在のオブザべーションの処理を中止し、次のオブザべーションに処理を移す働きをする。通常は、IF～THEN/ELSEステートメントと組み合わせて、ある条件に合致したオブザべーションをデータセットから除外する場合に使用する。

data list_under30;

	set list;

	if age >= 30 then delete;

	/*省略されているが、この位置に暗黙のOUTPUTステートメントが存在する*/
run;

データセットのオブザべーションを絞る際の条件指定において、残すオブザべーションの条件を指定したいときはサブセット化IF、削除するオブザべーションの条件を指定したいときはDELETE、というのが基本的な使い分けとなる。

5. WHEREステートメント

条件に合致したオブザべーションだけを処理対象にする働きがある。サブセット化IFと似ているが、大きな違いは、データセットを読み込む段階で条件に合致するオブザべーションだけに絞ってしまう（該当するレコードだけをプログラムデータベクトルに取り込む）ことである。つまり、WHEREステートメントが指定されたDATAステップの場合、ステップ内のすべての処理が、絞られたレコードのみを対象におこなわれることになる。

サブセット化IFの場合、すべてのデータが必ずプログラムデータベクトル上に読み込まれ、DATAステップ内のサブセット化IFステートメントの実行段階で絞り込みがおこなわれる。（実行ステートメント）

上記の特徴があるので、WHEREステートメントはDATAステップ内のどの位置に記述しても、結果は同じになる。（非実行ステートメント）

一般に、大量のデータから条件に合致したデータを抽出する際には、WHEREの方がサブセット化IFよりも処理速度が速い。WHEREステートメントならではの特徴を理解したうえで、適宜利用したいステートメントである。

data list_where;

	set list;
	where sex = 1 and age >= 30;
run;