proc_sort

1.排序proc sort
proc sort在按数据集中某一个变量或几个变量的升序或降序将记录重新排列，并把结果保存在输出数据集中，如果不另外指定输出数据集，则覆盖输入数据集。
在data步和proc步某些操作中，当需要用到by语句时，一般都需要源数据集按照by语句中的变量事先排序，这里就需要用到proc sort。


(1)语法格式
PROC SORT ;
BY variable-1 <... variable-n>;
proc sort一些常用的选项：
·数据集选项
data= 输入数据集，缺省时使用最近创建的数据集
out= 输出数据集，缺省时表示排序后覆盖源数据集
·排序序列选项

公卫人

sortseq= 指定排序的序列，这跟使用的操作系统有关，Windows/Unix都是ASCII编码，一般这个选项缺省就行；也可以直接在proc sort后面加上编码名称。
·修改排序次序的选项
reverse 使用由正常排序序列相反的排序序列对字符变量进行排序，可以被by语句中的descending选项取代，reverse只能用于字符变量。 公卫家园
equals|noequals 规定输出数据集中具有相同by变量的那些记录的次序，equals选项是保持在输入数据集中原来的相对次序，而noequals选项则没有这一限制。
·删除重复记录的选项
noduprecs 删除重复的记录，发生在排序后，将完全相同的记录删除。
nodupkey 删除重复的by变量记录，发生在排序中，sort过程读取输入数据集中的记录，在写入输出数据集时先比较by变量值，如有重复则部写入输出数据集。这个选项要小心使用，因为SAS会删除by变量重复的记录，而不管该记录是不是重复的，这样就会丢失有效的数据。 公卫人
·其他选项
datecopy 保留数据集创建或修改的日期，缺省时排序也会被认为是修改，上次的修改时间就会被覆盖，可是有些时候我们并不希望SAS这么做。
force 强制排序，不管输入数据集是否已经排序或有索引，都进行重新排序
内存与磁盘优化选项排序在各种语言中是一种基本的算法，当数据集很大时会占用大量的计算机资源，这些选项提供算法在这方面的优化。 公卫人

by语句
缺省情况下，是按照变量进行升序排列(ascending)，降序则要显性的用descending指明。
特别的是，这两个关键字应该写在变量的前面，而其他语言可能相反，如SQL将排序关键字放在变量之后。



(2)运行机制
proc sort会先检查输入数据集的排序信息，特别是sortedby=选项，如果输入数据集提示已经按照by变量进行过排序，或者sort过程检测到数据集中记录的顺序按照by变量本来就是有序的，则proc sort就会偷懒，不进行排序，直接将输入数据集复制到输出数据集中；另外，如果输入数据集在by变量上已经创建索引，则也不进行排序，因为排序之后会破坏原来的索引。除此之外，proc sort才会进行排序。 公卫考场
那么，如果用户要强制sort过程进行排序呢？那就需要用到force选项了。

(3)实例
对数据集按年龄大小进行排序，相同年龄的观测仍然按原来的次序。
proc sort data=age equals;
by age;
run;