你还记得Modify和Update语句吗？

slash

相信大家在平时的数据处理中都经常使用SET语句和MERGE语句，可曾使用过MODIFY语句和UPDATE语句？相信很少人使用，或许已经忘记它们了。今天通过几个例子来说明MODIFY和UPDATE语句的重要性，不要在对数据做修改时就想起SET语句，在做数据匹配时就想起MERGE语句，也要想起MODIFY和UPDATE语句。

1. 使用Modify语句提高程序运行效率
很多时候我们需要对某个数据集里面的某个变量的值进行更新，这时候会毫不犹豫的写下如下所示代码：

1. data test;
   
2. set test;
   
3. x=x*10;
   
4. run;

复制代码

此段程序并无错误，但从效率上讲就比较低了。如果用Modify语句，效率就可提升好几倍。

1. data test;
   
2. modify test;
   
3. x=x*10;
   
4. run;

复制代码

为了使大家能够更直观的感受到效率的提升，我特地做了一次测试，以935,653条观测，40个变量的数据为例。

• 使用SET语句，耗时20.61秒；
  
  

• 使用Modify语句，耗时1.58秒；
  
  

运行时间从20.61秒减少至1.58秒，这效率提升了多少倍？90w左右的数据就能提升这么高，上百万，上千万，上亿呢？
因此保证程序正确运行是远远不够的，追求更高效率才是最有用的。

Why More efficient?
Modify语句效率比Set语句高这么多，是因为其运行机制原因。Set语句是将数据读取进来处理后，生成新的数据（即使data语句中的数据和set语句中的数据是相同的，都会生成一份新的是数据，然后覆盖原来的数据）；而Modify语句是直接对数据进行修改（data语句的数据和Modify语句的数据必须是相同的），因此不会生成新的数据，所以效率会大大提升。
（注：因为Modify语句是对数据集进行修改，因此若想要对数据集增加新的变量，Modify语句是无法实现的。）


2. Update语句
Update语句，就是对数据进行匹配更新。其功能与加了by语句的Merge基本类似，但又有区别。Update语句必须要有2个数据集，称之为master data set, transaction data set. 而Merge语句支持2个以上的数据集进行匹配。当对两个数据做匹配时，Merge语句与Update语句有以下几个区别：

• 当第二个数据集（update语句中称为transaction data set)中的by变量有多个取值，Merge语句会生成多条观测，而Update语句会重复更新，即后面的值会覆盖前面的值；
• 当第二个数据集（update语句中称为transaction data set)中有缺失值的时候，Merge语句会将缺失值更新进去，而Update语句默认不会更新，可通过UPDATEMODE选项进行设置；
  

以上这两个区别通过例子进行说明：
测试数据准备：

1. data health;
   
2.    input ID WEIGHT;
   
3.    cards;
   
4. 1114 125
   
5. 1441 145
   
6. 1994 165
   
7. 1750 189
   
8. 2304 170
   
9. ;
   
10. run;
    
11. data fitness;
    
12. input ID WEIGHT;
    
13.    cards;
    
14. 1114 119
    
15. 1114 135
    
16. 2304 146
    
17. 1994  .
    
18. ;
    
19. run;

复制代码

数据按照BY变量排序，Update语句和Merge语句都需要；（或者对BY变量建立索引）

1. proc sort data=health;
   
2.    by id;
   
3. run;
   
4. proc sort data=fitness;
   
5.    by id;
   
6. run;

复制代码

数据匹配

1. data health2;
   
2.    update health fitness;
   
3.    by id ;
   
4. run;
   
5. data health3;
   
6. merge health fitness;
   
7. by id;
   
8. run;

复制代码

结果对比如下，可以看出来区别还是很大的




总结：SET语句和MERGE语句，相比Modify语句和Update语句功能更全面，但全面不一定意味到处用都好。其实像上面的这种匹配，Modify语句也可以实现。但Modify语句不能生成新的数据，而且不能新增加新的变量，但Modify语句的好处在于不需要事先对数据按照BY变量进行排序，因为其采用的是dynamic where statement，这就显示出Modify语句的强大了，要对几千万条数据进行排序，那是需要花很多资源的。大家可以试试用Modify语句做类似的匹配更新测试。

以上就是今天的内容，希望大家能有所收获！！！

stata

谢谢分享！

愤怒的老鸟

哈哈 总结的非常到位 点10086个赞

hopewell

谢谢分享！

chenli9045

学习了，以前真没想过这么多。。。