简介：面向零基础读者的SAS入门电子书，以“小白”学SAS的对话体展开，从解决实际问题出发，不按命令语法依次罗列，适合高校学生、职场新人和需要处理数据报表的分析人员。内容覆盖建立数据集、常用函数、数据清洗、统计绘图与制表等核心模块，并结合案例讲解如何用count函数分析商品评价、结合数组编写查找缺失值的万能程序、利用round函数对变量自动分组等实战思路；制表部分还涉及表格修饰和直接输出规范三线表。全书强调理解每个操作背后的分析逻辑，而不是死记命令，并提供查找重复值、缺失值和异常值的数据清洗思路。资源为1个PDF文件，压缩包整体约1.76MB，便于直接阅读和反复查阅。目前已有707人学习下载，是快速建立SAS整体认知、降低上手门槛的实用参考书。
1. 小白学SAS基础教程：为什么这门外语值得花三个月
拿到这个标题的读者，多半不是冲着「了解」来的，而是被具体场景逼到门前：想投医药行业统计岗位，招聘说明上写着 SAS；进了银行风控或保险精算团队，同事丢来一个 .sas 文件让你跑通；或者用惯了 Python，忽然要对接一套走完审计流程的旧系统。这些场景有个共同点——SAS 不是说更高级，而是这些行业默认的「流程语言」，结论和数据都挂在它上面。这篇笔记不灌鸡汤，就讲清一件事：SAS 怎么从零学起、怎么把一张表读进来、怎么算、报错怎么看。你会发现它的语法真不难，难的是先换个思维方式——把一切分析拆成「DATA 步建表、PROC 步干活」两条腿走路。下面按这条路一步步走通。
2. 装好环境跑通第一个程序：SAS 的两种步和看得懂的日志
2.1 单机客户端、网页版和云端免费环境怎么选
买教程回来先看环境的人不在少数，因为 SAS 的安装确实是劝退重灾区。常见三种：企业常用的单机客户端版，功能全但要装几十 GB、许可证不便宜，个人没必要；网页版在浏览器里写代码，免安装，有语法提示，适合入门；云端教学实例是官方提供的免费学习环境，注册后直接用，自带示例数据集，是目前自学人群的主流选择。
| 环境 | 优点 | 缺点 | 适合谁 |
|---|---|---|---|
| 单机客户端版 | 与企业真实环境一致、离线可用 | 安装慢、许可证贵 | 公司已采购、需要长期离线的人 |
| 网页版 | 免安装、界面友好、提示清晰 | 依赖网络、服务器不在本地 | 刚入门的新手 |
| 云端教学实例 | 注册即用、有示例数据 | 网络不稳时连接会断、存储有限 | 学生和自学人群 |
选型建议很直接：新手从云端教学实例或网页版起步，别一上来就折腾客户端。等你把下面的例子跑通了，再考虑本地环境也不迟。很多人学 SAS 的第一道坎不是语法，而是花了两天装环境最后放弃，这属于典型的投入顺序错了。
2.2 第一个跑得通的程序：看懂步、数据集和日志
环境就绪后，先跑一个最小程序。SAS 程序由「步」组成，最常见的是 DATA 步和 PROC 步：DATA 步负责建表、清洗，PROC 步负责分析和输出。下面这个程序把两步都包含了。
/* 第一个 SAS 程序：先看语句结构 */ data mydata; /* DATA 步开始，创建数据集 mydata */ x = 1; y = 2; total = x + y; /* 新变量 total 由计算得到 */ run; /* 执行并结束 DATA 步 */ proc print data=mydata; /* PROC 步：打印数据集内容 */ run;逻辑说明：data 关键字后面跟数据集名，步内用赋值语句创建变量，x、y、total 都是运行时动态生成，不需要事先声明。run; 是步的结束标记，也是触发执行的动作。proc print 把数据集按表格打印出来，data= 指定要打印的数据集，省略时默认处理最近生成的数据集。
参数说明：数据集名不能以数字开头，长度不超过 32 个字符，不能用汉字和空格；变量命名规则相同。这里生成的数据集存放在名为 WORK 的临时逻辑库里，本次会话结束就没了，想长期保存需要另建逻辑库（libname 语句），新手阶段先不用管。
提交运行后，界面会分两个区：结果区和日志区。日志区的三种信息级别必须分清：
| 信息级别 | 含义 | 处理方式 |
|---|---|---|
| NOTE | 正常提示，比如创建了多少观测 | 阅读即可 |
| WARNING | 有潜在隐患但程序继续跑 | 留意并回顾 |
| ERROR | 语句出错 | 必须处理后才能继续 |
刚入门最容易把 NOTE 当报错，看到一片绿色提示就慌。记住：只有以 ERROR 开头的内容是真正的错误，WARNING 是提醒，NOTE 是家常便饭。你最终要养成的习惯是「提交前看日志，日志里找 ERROR」，而不是盯着结果区看。
2.3 变量类型和缺失值：两个必须先建立的直觉
SAS 的变量只有两类：数值型和字符型，日期本质上是数值型。字符变量的值必须用引号包起来，数值变量不能用引号。新手写代码时最常见的低级错误，就是把数字 23 写成 '23'，这样它就成了字符，算均值时直接被跳过，而且日志可能只给一个不起眼的 NOTE。
data demo; a = 10; /* 数值变量 */ b = .; /* 数值缺失值，写一个点 */ c = ""; /* 字符变量，值为空字符串 */ d = '01JAN2024'd; /* 日期字面量：单引号+日期+字母 d */ run;逻辑说明：数值缺失值写成 .，参与运算时会被跳过，比如 mean 函数只对非缺失值求平均；字符缺失是空字符串 ''，两个概念别混。d 是日期字面量写法，SAS 内部把它存成数值——从 1960-01-01 起算的天数，所以日期加减就是普通数值运算。常见坑是漏掉末尾的 d，日期就会变成字符文本，后面排序、区间判断全乱。
参数说明：日期显示默认是数字（如 23390），要显示成人们能看的格式需要配合 format 语句，比如 format d date9.;。新手阶段只要记住「日期要加 d、显示要用 format」这两条就够了，等做到时间序列再深入。
3. DATA 步把数据读进来：从零构造数据集并完成清洗
3.1 用 DATALINES 构造小数据集：读入逻辑与三个必设参数
真实工作里数据大多来自 CSV 或数据库，但自学阶段强烈建议先会「在程序里造数据」。DATALINES（老写法叫 CARDS）把数据直接嵌进程序里，好处是程序自包含、别人拿到就能跑、报错了也好复现。先用它把读入逻辑练熟，再去接外部文件。
data raw; infile datalines dlm=","; /* 数据源是程序内嵌行，分隔符为逗号 */ input id name $ age score; /* 按顺序定义：id 数值，name 字符，age/score 数值 */ datalines; 1,zhang,23,88 2,li,25,76 3,wang,24,. 4,liu,22,91 ; run;逻辑说明：infile datalines 声明数据行就在程序里；dlm="," 指定分隔符，不写默认按空格分隔，如果数据是 CSV 就必须写。input 语句按数据行的顺序定义变量：先写变量名、再写字符标记、继续下一个变量。name 后面的 $ 表示这是字符变量，漏掉 $ 是最常见的读入错误——SAS 会把 zhang 当成数值去读，直接报错。
参数说明：dlm 只能指定单字符分隔符，tab 分隔要写成 dlm="09"x 这种特殊写法，新手先跳过；缺失值直接写 .，SAS 自动识别为数值缺失。读入成功的标志是日志里出现类似 NOTE: Dataset WORK.RAW has 4 observations and 4 variables，看到这一行再往下走。
实际工作读外部 CSV 时，把 infile 换成文件路径，并加一个参数：
data raw; infile "/tmp/data.csv" dlm="," firstobs=2; /* 跳过第一行表头 */ input id name $ age score; run;firstobs=2 表示从文件第 2 行开始读，用于跳过 CSV 的列名行。注意路径要写服务器或本机的实际路径，网页版环境里路径含义和你本机不一样，这也是新手经常「文件找不到」的原因。另外别在数据行里混入中文逗号或引号，DATALINES 模式下这类字符会让读入错位，后面日志显示的观测数会少得让你怀疑人生。
提示：DATA 步里新建的变量不要和 SET 读入的变量重名，否则日志会给出变量冲突的报错，把名字换掉即可。
3.2 清洗三件套：WHERE 过滤、RENAME 改名、IF 分组
原始数据进 SAS 之后，第一轮操作基本都是清洗：过滤无关行、改一个顺手的变量名、按条件生成新分组。这三个操作几乎是每个程序里都会出现的，把它们练成肌肉记忆。
data clean; set raw; /* 逐行读入 raw 数据集 */ where age >= 23; /* 读取时过滤：只保留年龄不低于 23 的行 */ rename score = final_score; /* 将 score 改名为 final_score */ if age = 23 then group = "young"; else group = "other"; /* 生成新字符变量 group */ keep id name final_score group; /* 输出时只保留四列 */ run;逻辑说明：set raw 把上一步的数据集逐行读入；where 在观测进入处理流程之前过滤，效率高，但它只能判断原数据集里已经存在的变量。rename 的写法是把旧名换成新名，注意改名动作发生在输出阶段，所以在步内部你还要继续用旧名 score 做判断。if/then 是条件赋值，else 处理其余情况。keep 控制输出列，等价的还有 drop。
参数说明：keep 和 drop 只能二选一，不要同时用，逻辑上会打架；where 里不能引用本步刚生成的变量，比如上面不能写 where group="young"，因为 group 是后面才生成的。想按新分组筛行，要用子集化 IF——不带 then 的 if：
data young; set raw; if age >= 23; /* 满足条件才保留该观测 */ run;子集化 IF 在语句执行到这一行时判断，不满足就丢弃当前观测，适合「先赋值、后筛选」的场景。这是和 where 最容易混的点，记住一个原则：筛原表已有变量用 where，筛新生成变量用子集化 IF。
3.3 横向拼接与纵向拼接：MERGE 前为什么必须排序
两张表合成一张是数据整理的高频需求。纵向拼接是把观测堆在一起，用 SET 同时读入多个数据集；横向拼接是按某个键把变量并到同一行，用 MERGE。纵向拼接很简单：
data all; set ds1 ds2; /* 依次把两组观测首尾相接 */ run;set 后面跟多个数据集，按顺序拼出所有行，变量以第一个数据集为准，后面数据集里多出的变量也会自动补进来。横向拼接就复杂一些，必须先排序：
proc sort data=student out=student_s; by id; run; proc sort data=score out=score_s; by id; run; data merged; merge student_s score_s; by id; run;逻辑说明：merge 按 by 变量把两边对齐，类似数据库里的 join。关键前提是参与 merge 的每个数据集都必须先按 by 变量排好序，否则 SAS 不会帮你排序，而是按物理顺序硬拼，结果是观测数对不上、字段错位，而且不报错——这类问题排查起来最费时间。
参数说明：proc sort 的 out= 用于指定输出数据集，避免覆盖原表，这是强烈建议保留的习惯；by id 是升序，多个变量按顺序写 by a b。如果两边数据量不一致、有些 id 只在一边出现，可以用 in= 变量控制匹配方式：
data merged; merge student_s(in=s) score_s(in=c); by id; if s and c; /* 只保留两边都存在的 id，相当于内连接 */ run;in= 会在每个观测上打标记：1 表示该观测来自对应数据集，0 表示不是。if s and c 只保留两边都匹配的行，改成 if s 就是左连接。这个技巧每个做清洗的人都该背下来，它是 merge 的灵魂。如果遇到一对多、键不唯一的情况，merge 可能出现行爆炸，那时候建议改用第 4 章的 PROC SQL 做 join，控制起来更直观。
4. PROC 步把数据送出去：四个高频过程步够应付八成需求
4.1 PROC SORT 与 PROC PRINT：把数据排好、看清楚再做分析
DATA 步建完表，第一步永远是打印出来看，确认数据跟自己想的一样。SORT 负责排序、PRINT 负责显示，这两个过程步总是连着出现。
proc sort data=clean out=clean_s; by descending final_score; /* 按 final_score 降序排列 */ run; proc print data=clean_s noobs; /* noobs：不显示最左侧的行号列 */ var id name final_score; /* 只打印这三列，顺序就是 var 的顺序 */ where final_score >= 80; /* 打印前过滤，不改变数据集本身 */ run;逻辑说明：by 默认升序，降序要在变量名前写 descending，注意 descending 只作用于紧跟着它的那一个变量，多个变量要分别写。print 默认打印全部列，var 用于挑选列并决定显示顺序；where 在打印时过滤行，原数据集不受影响。
参数说明：noobs 去掉行号列，让输出更像正式报表；想在打印时给变量加显示格式，可以在 var 后写 format 语句。同时按两个变量排序，写 by group final_score，表示先按 group 升序、组内再按 final_score 升序。经常有人排完序发现观测顺序变了以为自己写错，这不是问题，排序本来就是要改变物理顺序。
排错技巧：打印结果为空时，先检查 where 条件是不是把行全滤掉了；再把 where 去掉打印一次看全貌。空结果在数据步时期发现成本最低，等进了分析阶段才发现，回头查哪儿丢的行就麻烦了。
4.2 PROC MEANS 与 PROC FREQ：描述统计与交叉表一张纸出来
数据检查完，就要出描述统计。MEANS 出连续变量的统计量，FREQ 出分类变量的频数分布，这两个是汇报里出现频率最高的过程步。
proc means data=clean n mean std min max maxdec=2; var final_score age; /* 要统计的数值变量 */ class group; /* 按 group 分组，每个组各出一行统计 */ run;逻辑说明：n 表示有效观测数（自动忽略缺失），mean 均值、std 标准差、min/max 是最小最大值；maxdec=2 把统计量统一保留两位小数，这是写报告最常用的参数。var 只能列数值变量，把字符变量放进去会直接报错。class 指定分组变量，分组后每一组出一行统计，相当于 SQL 的 group by。
参数说明：不带 class 就是整体一行；class 可以跟多个变量，比如 class group age 会做交叉分组。统计量关键字可以任意组合，写 n mean std median 就同时输出这四个。如果数据里有缺失值，n 和 mean 都基于非缺失值计算，这一点要和电子表格工具的写法区分开——有些电子表格函数会把文本当零，SAS 不会。
分类变量看分布用 FREQ：
proc freq data=clean; tables group group*final_score / norow nocol nopercent; run;逻辑说明：tables 里的 group*final_score 是交叉表，行是 group、列是 final_score 的取值；三个选项 norow、nocol、nopercent 分别去掉行百分比、列百分比和总百分比，只保留频数，报表更干净。想看单一变量分布，直接写 tables group。
参数说明：省略 tables 语句时，FREQ 会对所有变量各出一张单变量表，变量多的时候输出量很大，不建议。交叉表适合两个分类变量；如果 final_score 是连续数值，FREQ 会把它当成离散值列很多列，这种情况先分组再交叉。
4.3 PROC SQL：会一点 SQL，数据整理效率翻倍
很多教程把 SQL 放得很靠后，但实际项目里 PROC SQL 的价值是能少写一半 DATA 步。它的核心优势是：聚合、连表一步写完，而且 join 不需要预先排序。
proc sql; select group, max(final_score) as best_score format=6.2, /* 别名 + 显示格式 */ count(*) as cnt from clean group by group; quit;逻辑说明：proc sql 的结束标记是 quit 而不是 run，这一点第一次用的人基本都会踩。select 后面跟要输出的列，as 给计算列起别名，别名就是报表里的列名。count(*) 计行数，group by 分组，效果和 MEANS 的 class 一致。
参数说明：format=6.2 表示总宽 6 位、小数点后 2 位，是数值显示的控制写法；想把这句结果存成数据集，在前面加 create table summary as，不写就直接打印到屏幕。
比 DATA 步更省事的是 join 多表，不需要提前排序：
proc sql; create table joined as select s.id, s.name, c.score from student as s left join score as c on s.id = c.id; quit;逻辑说明：from 后面的 as 给表起别名，on 指定连接键，left join 保留左表全部行。和 MERGE 的区别是少了排序这一步，多键连接也直接写在 on 里。对新手来说，遇到一对多和键不唯一的情况，SQL 的 join 比 MERGE 更容易预测结果。
注意点：SQL 里字符串比较加引号且区分大小写；子句写错时，日志报错位置往往指向 quit 前附近，所以在 sql 步里把每条子句单独成行、缩进对齐，排错会轻松很多。给新人的建议是：DATA 步的 SET/MERGE 必须会，因为它构建了对数据流的理解；日常汇总连表用 SQL，因为快。
5. 新手避坑：五条血泪经验与日志排查方法
5.1 漏写分号：SAS 错误日志里出现频率最高的坑
现象：提交后日志报 ERROR，但报错的行号明明不是自己写错的那一行，或者上一条语句把下面几行都「吞」了。
原因：SAS 用分号表示一条语句结束。分号漏掉后，解释器会把下一行当成上一条语句的延续，报错位置自然偏移，看起来完全对不上号。
解决：养成三步习惯——每写完一个步立刻补 run;/quit; 再写下一个步；提交前从最后一行往上看一遍行尾；日志报错行可疑时，先检查它的上一行末尾有没有分号。这类错误占新手报错的比例相当高，遇到先查分号，别急着改逻辑。
5.2 字符和数值混用：隐式转换让你算错还找不着北
现象：日志出现类似 NOTE: Character values have been converted to numeric values 的提示，结果里某些行变成缺失值，或者分组统计的组数突然变多。
原因：把 '23' 这种字符当数值比较、把数值变量塞进字符位置时，SAS 会尝试自动转换。一旦源数据里有非数字字符，转换失败就成了缺失值，而且过程不报 ERROR，只有一行不起眼的 NOTE。
解决：守住两条规则——数值变量绝对不加引号，字符变量必须加引号；需要类型转换时用显式函数，字符转数值用 input(x, 8.)，数值转字符用 put(x, 8.)。看到日志里有 convert 字样，就先停下手里的分析，回去把类型理顺再继续。这类问题属于典型的「不算语法错，但结果全错」的翻车现场。
5.3 MERGE 不等值乱套：观测数不对先查排序
现象：merge 之后观测数既不是两表之和也不是最大表行数，字段错位，某些行出现类似笛卡尔积的膨胀。
原因：by 变量在两个输入数据集里没排序，或两边排序用的键不一样（一边 by id、一边 by id2），SAS 不做自动排序，直接按物理顺序硬拼。
解决：铁律——merge 前每个输入数据集都单独 sort，且用 out= 保留原表；检查 by 变量名完全一致；用 in= 变量加 if 语句做匹配筛查，能立刻定位哪些 id 没对上。在一对多场景里，如果匹配键不唯一，行数会成倍膨胀，这时候改用 PROC SQL 的 join 并仔细检查连接键是否唯一，比在 DATA 步里调 in= 更直观。
5.4 IF 与 WHERE 的差别：执行时机不一样，结果就不一样
现象：同样一个条件，写在 set 后面和写在步末尾，结果不同；或者用新生成的变量做条件时直接报错。
原因：where 在观测进入处理流程之前过滤，此时新变量还没生成，所以它只能用原变量；if 在步执行过程中按语句顺序判断，可以引用前面语句刚生成的变量。两者执行时机不同，不是同一个东西。
解决：按场景选——只过滤原表已有变量且追求效率用 where；需要在赋值之后再筛选用子集化 IF；在 merge 里判断匹配状态用 if + in=。还有一点，where 在 PROC 步里也能用（比如 print 里过滤行），if 只能出现在 DATA 步。把这条想清楚，很多「同样条件结果不同」的玄学就消失了。
5.5 日志被 NOTE 淹没：怎么从一片提示里找到真正的 ERROR
现象：日志刷屏，一大堆 NOTE 和 WARNING，程序已经停了或者还在跑，但你找不到关键报错在哪一行。
原因：日志默认输出所有提示级别，新手没设置过滤，也不习惯在长日志里定位，只能靠肉眼从上往下翻，效率极低。
解决：提交后直接按页内查找搜 ERROR，第一个 ERROR 才是根源，后面的经常是连锁反应；找到后再往上翻一小段，看紧挨着它的 NOTE/WARNING，那里通常写着变量未初始化或类型转换的细节。在步内用 options 减少回显可以辅助，但新手阶段最有效的是「先找第一个 ERROR，再往上读上下文」。任何一个报错，都先回答三问：在哪一句、哪个变量、什么操作——回答完再动手改，能省下大半排查时间。
6. 从「能跑通」到「敢交结果」：验证习惯和三分钟检查
6.1 用 20 行小数据给自己出题
自学最怕代码跑通但结果没人核对。我一般准备一份 20 行的模拟数据：5 个 id、一个分组变量、一个数值指标、再留两列缺失值。先用计算器手工算出每个组的均值和频数，再跑 PROC MEANS 和 FREQ 对比。这个方法比任何教程都管用——数据步写错、类型转错、缺失值被误处理，全部会体现在数值对不上里。对得上，再进入下一步分析。
6.2 提交前的三分钟检查
我带新人时会给一张贴在显示器边的清单：每个步的结尾有没有分号；run 或 quit 是否成对；where 用的是不是原表已有变量；字符变量在 input 里有没有写 $；merge 的 by 是否两边都排序过；打印前 10 行确认观测数。做完这几项再提交，报错率能降一半以上。这套动作不值钱，但能让你从「靠日志救火」变成「提交前就拦住」，养成习惯之后就再也不想裸奔了。
6.3 把结果导出成 PDF 文件的最小命令
ods pdf file="/tmp/check.pdf"; /* 打开输出目标 */ proc means data=clean n mean maxdec=2; var final_score; run; ods pdf close; /* 关闭输出目标，必须成对 */这是最常用的导出三件套：打开、过程步、关闭。close 忘写会导致文件被占用，下次提交打不开，这个坑我亲眼见过好几次。后来我养成的习惯是：任何导出代码，先写上 open 和 close 一对，再往中间填过程步，顺序永远不会乱。
带过的新人多了以后，我发现学 SAS 真正难的从来不是语法，而是没有人告诉他哪些输出是可以信的。所以我把这章做成验证习惯而不是命令大全。你现在踩的每一个坑，都是将来能跟新人讲半天的素材；把这些坑记进自己的错误清单，比收藏任何教程都管用。希望帮到你。
本文还有配套的精品资源，点击获取
