O código de exemplo na guia Código Completo ilustra como calcular a média móvel de uma variável através de um conjunto de dados inteiro, nas últimas N observações em um conjunto de dados ou nas últimas N observações dentro de um grupo BY. Esses arquivos de amostra e exemplos de código são fornecidos pelo SAS Institute Inc. como é sem garantia de qualquer tipo, expressa ou implícita, incluindo mas não se limitando às garantias implícitas de comercialização e adequação a um propósito específico. Os beneficiários reconhecem e concordam que SAS Institute não será responsável por quaisquer danos decorrentes da utilização destes materiais. Além disso, o SAS Institute não fornecerá suporte para os materiais aqui contidos. Esses arquivos de amostra e exemplos de código são fornecidos pelo SAS Institute Inc. como é sem garantia de qualquer tipo, expressa ou implícita, incluindo mas não se limitando às garantias implícitas de comercialização e adequação a um propósito específico. Os beneficiários reconhecem e concordam que SAS Institute não será responsável por quaisquer danos decorrentes da utilização destes materiais. Além disso, o SAS Institute não fornecerá suporte para os materiais aqui contidos. Calcule a média móvel de uma variável através de um conjunto de dados inteiro, nas últimas N observações em um conjunto de dados ou nas últimas N observações dentro de um grupo BY. Média de Moto Este exemplo ensina como calcular a média móvel de um tempo Série no Excel. Um avanço em movimento é usado para suavizar irregularidades (picos e vales) para reconhecer facilmente as tendências. 1. Primeiro, vamos dar uma olhada em nossa série de tempo. 2. No separador Dados, clique em Análise de dados. Observação: não é possível encontrar o botão Análise de dados Clique aqui para carregar o suplemento do Analysis ToolPak. 3. Selecione Média móvel e clique em OK. 4. Clique na caixa Input Range e selecione o intervalo B2: M2. 5. Clique na caixa Intervalo e escreva 6. 6. Clique na caixa Output Range e seleccione a célula B3. 8. Faça um gráfico destes valores. Explicação: porque definimos o intervalo como 6, a média móvel é a média dos 5 pontos de dados anteriores eo ponto de dados atual. Como resultado, os picos e vales são suavizados. O gráfico mostra uma tendência crescente. O Excel não consegue calcular a média móvel para os primeiros 5 pontos de dados porque não existem pontos de dados anteriores suficientes. 9. Repita os passos 2 a 8 para intervalo 2 e intervalo 4. Conclusão: Quanto maior o intervalo, mais os picos e vales são suavizados. Quanto menor o intervalo, mais próximas as médias móveis são para os pontos de dados reais. Você gosta deste site gratuito Partilhe esta página nas funções do GoogleSummary para produzir um resumo estatístico de toda a tabela ou vista listada na cláusula FROM ou para cada grupo especificado numa cláusula GROUP BY. Se GROUP BY for omitido, todas as linhas na tabela ou exibição serão consideradas como um único grupo. Essas funções reduzem todos os valores em cada linha ou coluna em uma tabela para um resumo ou valor agregado. Por esta razão, essas funções são freqüentemente chamadas de funções agregadas. Por exemplo, a soma (um valor) de uma coluna resulta da adição de todos os valores na coluna. Algumas funções têm mais de um nome para acomodar as convenções SAS e SQL: AVG, MEAN significa ou média de valores COUNT, FREQ, N número de valores não válidos CSS corrigido soma de quadrados CV coeficiente de variação (por cento) MAX maior valor MIN menor valor NMISS número de valores em falta PRT probabilidade de um maior valor absoluto de Estudantes t RANGE intervalo de valores STD desvio padrão STDERR erro padrão da média SUM soma de valores SUMWGT soma dos valores da variável WEIGHT (nota de rodapé 1) T Estudantes t valor para testar o Hipótese de que a média da população é zero Soma não corrigida de quadrados Para uma descrição e as fórmulas usadas para essas estatísticas, consulte Procedimentos de estatísticas elementares do SAS A função COUNT conta as linhas. COUNT () retorna o número total de linhas em um grupo ou em uma tabela. Se você usar um nome de coluna como um argumento para COUNT, o resultado é o número total de linhas em um grupo ou em uma tabela que tem um valor nonmissing para essa coluna. Se você quiser contar os valores exclusivos em uma coluna, especifique COUNT (coluna DISTINCT). Se a cláusula SELECT de uma expressão de tabela contém uma ou mais funções de resumo e essa expressão de tabela não resolve nenhuma linha, os resultados da função de resumo são valores ausentes. As seguintes são exceções que retornam zeros: O número de argumentos especificados em uma função de resumo afeta como o cálculo é executado. Se você especificar um único argumento, os valores na coluna serão calculados. Se você especificar vários argumentos, os argumentos ou colunas listados serão calculados para cada linha. Por exemplo, considere os cálculos na tabela a seguir. Se você usar um argumento na função, o cálculo será realizado nessa coluna somente. Se você usar mais de um argumento, o cálculo será executado em cada linha das colunas especificadas. Na etapa PROC SQL seguinte, as funções MIN e MAX retornam o mínimo eo máximo das colunas com as quais são usados. A função SUM retorna a soma de cada linha das colunas especificadas como argumentos: Quando você usa uma função de resumo em uma cláusula SELECT ou uma cláusula HAVING, você pode ver a seguinte mensagem no log SAS: O processo de refundação envolve duas passagens os dados. Na primeira passagem, PROC SQL calcula e retorna o valor das funções de resumo. Em seguida, utiliza o resultado para calcular as expressões aritméticas nas quais a função de resumo participa. Grupos de dados de acordo com a cláusula GROUP BY. Na segunda passagem, PROC SQL recupera quaisquer colunas e linhas adicionais que ele precisa para mostrar na saída. Os exemplos a seguir usam a tabela PROCLIB. PAYROLL (mostrada em Criando uma tabela a partir de um resultado de consultas) para mostrar quando o reenvio de dados é e não é necessário. A primeira consulta requer gradação. A primeira passagem através dos dados agrupa os dados por Jobcode e resolve a função AVG para cada grupo. No entanto, PROC SQL deve fazer uma segunda passagem para recuperar os valores de IdNumber e salário. Você pode alterar a consulta anterior para retornar apenas o salário médio de cada jobcode. A consulta a seguir não requer o reenvio porque a primeira passagem dos dados faz o resumo eo agrupamento. Uma segunda passagem não é necessária. Quando você usa a cláusula HAVING, PROC SQL pode ter para remerge dados para resolver a expressão HAVING. Primeiro, considere uma consulta que usa HAVING, mas que não requer remontagem. A consulta agrupa os dados por valores de Jobcode eo resultado contém uma linha para cada valor de Jobcode e informações de resumo para pessoas em cada Jobcode. Na primeira passagem, as funções de resumo fornecem valores para o número. Idade Média . E Salário médio. A primeira passagem fornece tudo o que PROC SQL precisa para resolver a cláusula HAVING, portanto, não é necessário rejeitar. Na consulta a seguir, PROC SQL remerges os dados porque a cláusula HAVING usa a coluna SALARY na comparação eo SALARY não está na cláusula GROUP BY. Tenha em mente que o PROC SQL recomenda dados quando os valores retornados por uma função de resumo são usados em um cálculo. Por exemplo, a consulta a seguir retorna os valores de X e a porcentagem do total para cada linha. Na primeira passagem, PROC SQL calcula a soma de X, e na segunda passagem o PROC SQL calcula a porcentagem do total para cada valor de X: os valores retornados por uma função de resumo são comparados aos valores de uma coluna que não é especificada Na cláusula GROUP BY. Por exemplo, a consulta que se segue utiliza a tabela PROCLIB. PAYROLL. PROC SQL remerge dados porque a coluna Salário não é especificada na cláusula GROUP BY: uma coluna da tabela de entrada é especificada na cláusula SELECT e não é especificada na cláusula GROUP BY. Esta regra não se refere a colunas usadas como argumentos para funções de resumo na cláusula SELECT. Por exemplo, na consulta que se segue, a presença de IdNumber na cláusula SELECT faz com que PROC SQL para refundar os dados porque IdNumber não está envolvido no agrupamento ou resumir durante a primeira passagem. Para que o PROC SQL para recuperar os valores de IdNumber, ele deve fazer uma segunda passagem através dos dados. Im um iniciante do SAS e Im curioso se a seguinte tarefa pode ser feito muito mais simples, como é atualmente na minha cabeça. Tenho os seguintes meta dados em uma tabela chamada userdatemoney: Usuário - Data - Dinheiro com vários usuários e datas para cada dia do calendário (nos últimos 4 anos). Os dados são ordenados pelo usuário ASC e Data ASC, os dados de exemplo se parece com isso: Eu agora quero calcular uma média móvel de cinco dias para o dinheiro. Eu comecei com o apprach muito popular com a função lag () como este: como você vê, o problema com este método ocorre se lá se a etapa de dados é executado em um novo usuário. Aron obteria alguns valores defasados de Anna que, naturalmente, não deveria acontecer. Agora a minha pergunta: Tenho certeza que você pode lidar com o usuário mudar adicionando alguns campos extras como laggeduser e redefinindo as variáveis N, Soma e Média se você notar tal interruptor, mas: Isso pode ser feito de uma maneira mais fácil Talvez usando o Por Cláusula de qualquer maneira Obrigado por suas idéias e ajuda Eu acho que a maneira mais fácil é usar PROC EXPAND: E como mencionado no comentário de Johns, é importante lembrar sobre valores faltantes (e sobre observações de começo e término também). Eu adicionei SETMISS opção para o código, como você deixou claro que você deseja zerofy valores em falta, não ignorá-los (comportamento padrão MOVAVE). E se você quiser excluir as primeiras 4 observações para cada usuário (já que elas não têm pré-histórico suficiente para calcular a média móvel 5), você pode usar a opção TRIMLEFT 4 dentro de TRANSFORMOUT (). Respondeu Dec 3 13 at 15: 29Neste post, eu mostro um truque para fazer cálculo de média móvel (pode ser estendido para outras operações que exigem funções de janelas) que é super rápido. Muitas vezes, os analistas SAS precisam realizar cálculos de média móvel e existem várias opções pela ordem de preferência: 1. PROC EXPAND 2. DATA PASSO 3. PROC SQL Mas muitos sites podem não licenciados SAS / ETS para usar PROC EXPAND e fazer média móvel Em DATA STEP requer alguma codificação e é propenso a erros. PROC SQL é uma escolha natural para programadores júnior e em muitos casos de negócios a única solução, mas o SAS SQL PROC não possui funções de janelas que estão disponíveis em muitos DBs para facilitar o cálculo da média móvel. Uma técnica que as pessoas costumam usar é CROSS JOIN, que é muito cara e não é uma solução viável para um conjunto de dados de tamanho médio. Neste post, eu mostro um truque para fazer cálculo de média móvel (pode ser estendido para outras operações que exigem funções de janelas) que é super rápido. Considere o cálculo da média móvel mais simples onde as observações K de arrasto estão incluídas no cálculo, a saber MA (K), aqui nós ajustamos K5. Primeiro, geramos um dado de 20 obs, onde o ID da variável deve ser usado para o windowing ea variável X deve ser usada no cálculo do MA, e então aplicamos o CROSS JOIN padrão para examinar primeiro os dados resultantes, Non-Grouped, apenas Para entender como alavancar a estrutura de dados. A partir do conjunto de dados resultante, é difícil encontrar uma pista, agora vamos classificar por quotbidquot coluna neste conjunto de dados: a partir desta triada dados, é claro que nós realmente don39t tem CROSS JOIN todo o conjunto de dados originais, mas em vez disso, Podemos gerar um conjunto de dados de quotoperationquot que contém o valor de diferença e deixar o conjunto de dados original CROSS JOIN com este conjunto de dados de quotoperationquot muito menor e todos os dados que precisamos usar para o cálculo de MA estarão lá. Agora vamos fazer isso: CROSS JOIN dados originais com quotoperationquot dados, classificar por (a. idops), que é realmente quotbid39 no conjunto de dados classificados Note que no código acima, é necessário ter ax multiplicar por b. weight para que os dados Pode ser inter-leaved, caso contrário o mesmo valor X da tabela original será saída e MA cálculo será falha. A variável de peso explícito realmente acrescenta mais flexibilidade ao cálculo de MA inteiro. Ao configurá-lo para ser 1 para todos os obs resultam em um simples cálculo de MA, atribuir pesos diferentes ajudará a resolver MA mais complexa computação, tais como dar outras observações menos peso para um MA decaído. Se for necessário um parâmetro K diferente nos cálculos de MA (K), somente o conjunto de dados de operação precisa ser atualizado, o que é um trabalho trivial. Agora, o modelo de código real para o cálculo do MA (K) será: Com este novo método, é interessante compará-lo com o auto caro CROSS JOIN, bem como a PROC EXPAND. Na minha estação de trabalho (Intel i5 3.8Ghz, 32GB de memória, 1TB 72K HDD), auto CROSS JOIN é proibitivamente longo em tempo de execução (se os dados são grandes), enquanto o novo método usa apenas 2X tanto tempo como PROC EXPAND, ambos os consumos de tempo são Trivial comparando a auto CROSS JOIN. O consumo de tempo mostrado abaixo está em quotsecondquot. Abaixo está o código leitores podem executar e comparar-se. Publicado 10 de maio de 2017 por Liang Xie Programação SAS para Data Mining
No comments:
Post a Comment