1.排序proc sort

proc sort在按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

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。

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。

·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。

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。

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;