WHERE 语句冷知识

前几天，我在一篇文章中看到这样的说法：

数据步中的 WHERE 语句可以有三种写法：

①作为输入数据集的 WHERE= 选项；

②作为输出数据集的 WHERE= 选项；

③作为单独的 WHERE 语句；

三者的运行速度的快慢关系为：①最快，②次之，③最慢。

阅读到这里时，我产生了疑问，方式①和方式③都是直接应用于输入数据集，运行速度怎么会不一样呢？我打算进行实验，一探究竟。通过编写SAS程序，我生成了一个包含超过一千万条服从0到1之间均匀分布的随机数据的数据集，然后用三种不同位置的 WHERE 条件筛选出大于0.5的数据。我编写了一个简单的程序，它将3种方式各自运行30遍，然后计算3种方式的运行时间和、均值和中位数，最后，我还将实验过程录制成了视频。

实验结果显示，三者的运行速度应该是：①≈③，②最慢。看来，要获得真正的知识，非得要亲身实践不可。

通过查询软件手册，以及自身多年的工作经验，我还总结了以下关于 WHERE 语句的冷知识：

1. 联合使用 WHERE 语句和 WHERE= 选项

1.1 数据步中，WHERE=选项应用到单独的数据集，WHERE 语句应用到所有未指定WHERE=选项的数据集；

1.2 过程步中，WHERE= 选项和 WHERE 语句指定的表达式会以 and 逻辑进行连接，组合成新的 WHERE 表达式，应用到输入数据集；

2. WHERE 语句的使用限制

2.1 在DATA步中，读取 DATALINES或CARDS语句指定的数据行时，不可以使用 WHERE 语句；

2.2 在DATA步中，读取 INFILE 语句指定的外部数据文件时，不可以使用 WHERE 语句；

2.3 当在 SET 或 MODIFY 语句中指定 POINT= 选项时，不可以使用 WHERE 语句；

3. WHERE 语句的使用便利

3.1 WHERE 语句允许单独使用一个数值型变量作为表达式，此时，数值0或缺失值为假，其它值为真；

3.2 WHERE 语句允许单独使用一个字符型变量作为表达式，此时，缺失值为假，其它值为真；

4. 扩充 WHERE 子句

可以使用 WHERE SAME AND 或 WHERE ALSO 语句对前述 WHERE 语句进行扩充，这在语义上等价于在一个 WHERE 语句中用 and 运算符连接多个表达式，但是在编写和维护方面更具优势。

5. 未记录的功能

在 SAS 中有未记录在软件手册中的函数 monotonic()，它可以返回当前观测的行号。当想通过 WHERE 语句筛选观测行号时，不可以使用自动变量_N_(因为该变量衍生于PDV中，而WHERE语句在PDV之前筛选数据)，但却可以使用 monotonic() 函数。

以上几点中，我最常用到的是第3和第4点，也希望这些知识能给正在阅读的你带来帮助。