SAS缺失值统计代码疑问解析：关键语句与结果优化

1. Proc SQL中separated by ' ' from names的含义 #

这里是用SQL的字符串聚合功能，把查询到的目标变量名（比如从dictionary.columns筛选出的数值/字符型变量）用空格拼接成完整字符串。比如筛选出mpg_city、horsepower、weight三个变量的话，最终会得到mpg_city horsepower weight这样的结果。这种操作一般是为了生成动态代码——比如把拼好的变量名套进数组定义里，实现批量处理所有目标变量。

2. Data Missing步骤中keep _:的作用、_:的含义，以及_BIGN = 1是否必要 #

• _:是SAS的变量名通配符，代表所有以下划线开头的变量。
• keep _:的作用就是只保留数据集中所有下划线开头的变量，过滤掉其他无关变量，减少数据集体积或者避免干扰后续处理。
• _BIGN = 1是否必要看代码逻辑：如果这个变量只是用来标记数值型变量组（比如区分数值/字符缺失统计的分组标识），但后续输出或分析用不到它，那完全可以删掉，不影响缺失值统计的核心功能；如果代码里有依赖这个变量的判断逻辑（比如后续按_BIGN分组汇总），那它就是必要的。

3. 去除最终输出表smry_中变量名前的下划线，同时保证行数完整 #

有两种简单实现方式：

方式一：从源头避免下划线 #

在生成统计变量时，直接给变量命名不带下划线。比如原来生成_num_missing的地方改成num_missing，后续输出的变量自然就没有下划线，完全不影响行数。

方式二：批量重命名已有变量 #

如果已经生成了带下划线的变量，用批量重命名处理，不会删除任何观测，保证行数完整：

Data Step重命名（适合变量少的情况）

data smry_clean;
    set smry_;
    rename _num_miss=num_miss _char_miss=char_miss; /*逐一对应修改变量名*/
run;

Proc SQL+Proc Datasets批量重命名（适合变量多的情况）

/*自动生成重命名语句*/
proc sql noprint;
    select cats(name, '=', substr(name, 2)) into :rename_list separated by ' '
    from dictionary.columns
    where libname='WORK' and memname='SMRY_' and name like '_%';
quit;

/*执行重命名*/
proc datasets lib=work nolist;
    modify smry_;
        rename &rename_list.;
quit;

这段代码会自动找出smry_中所有以下划线开头的变量，去掉变量名的第一个下划线，批量完成重命名，全程不会改动数据集的观测行数。

内容的提问来源于stack exchange，提问作者saslearner