会用且现在能用SPSS的人进来~急！！！

很多都用SPSS100 不知道你用的什么版本的， 而且网上都有教程的，你可以下下来看看

你没说什么具体的出来，怎么帮你啊

我现在也在做论文。。 马上毕业了

INTNX 函数

按指定间隔递增日期、时间或日期时间值，并返回日期、时间或日期时间值

语法

INTNX(interval<multiple><shift-index>, start-from, increment<,alignment>)

参数

interval

指定包含时间间隔的字符型常数、变量或表达式，例如 WEEK、SEMIYEAR、QTR 或 HOUR。

要求：interval 的类型（日期、日期时间或时间）必须与 start-from 和 increment 中的值类型匹配。

multiple

指定间隔的倍数。它将间隔设置为间隔类型的倍数。例如，YEAR2 由两年期间组成。

请参见“Incrementing Dates and Times by Using Multipliers and by Shifting Intervals”

shift-index

指定间隔的开始点。默认情况下，开始点为 1。大于 1 的值会将开始点移位到间隔中靠后的点。移位的单位取决于间隔。例如，YEAR3 指定将每年期间移位到在每个日历年的三月一日开始，并且在下一年的二月结束。

限制：位移索引不能大于整个间隔中的期间数。例如，YEAR224 的位移索引有效，但是 YEAR225 无效，因为两年期间内没有第 25 个月。

限制：若默认位移期间与间隔类型相同，则您仅能使用位移索引位移多期间间隔。例如，因为 MONTH 类型间隔默认情况下按 MONTH 子期间进行移位，所以您不能使用位移索引对每月间隔进行移位。不过，您可以使用位移索引移动双月间隔，因为在每个 MONTH2 间隔中有两个 MONTH 间隔。例如，间隔名 MONTH22 指定从偶数月的第一天开始双月期间。

start-from

指定表示 SAS 日期、时间或日期时间值的 SAS 表达式，用以标识开始点。

increment

指定表示日期、时间或日期时间间隔数的负整数、正整数或零。increment 是将 start-from 值移动的间隔数。

alignment

控制间隔内 SAS 日期的位置。alignment 可以是以下值之一：

BEGINNING

指定将返回日期调整到间隔的开始点。别名：B

MIDDLE

指定将返回日期调整到间隔的中点。

别名：M

END

指定返回日期调整到间隔的结束点。

别名：E

SAMEDAY

指定将返回日期调整为与相应间隔增量相同的日历日期。

别名：S

别名：SAME

默认：BEGINNING

详细信息

基础 INTNX 函数按间隔（例如 DAY、WEEK、QTR 和 MINUTE）递增日期、时间或日期时间值。增量取决于开始日期、时间或日期时间值，以及您指定的时间间隔数。INTNX 函数返回您在 start-from 参数中指定的间隔的开始日期、时间或日期时间值。例如，要确定距离 2003 年 10 月 17 日所在周 6 周的那一周的开始日期，请使用以下示例：

intnx(‘week’, ‘17oct03’d, 6);

INTNX 返回值 23NOV2003。

通过使用乘数和移位间隔递增日期和时间 SAS 提供日期、时间和日期时间间隔来对不同的已用时间期间进行计数。通过使用乘数和位移索引，您可以创建间隔的倍数和移动其开始点以构造更复杂的间隔指定。

间隔名称的一般格式如下所示：

name<multiplier><shift-index>

乘数和位移索引是可选参数，默认值为 1。例如，YEAR、YEAR1、YEAR1 和 YEAR11 都可以指定始于 1 月的通常的日历年。若您为乘数和位移索引指定其他值，您可以创建始于该年内不同时期的多倍间隔。例如，间隔 WEEK611 指定始于第二个星期三的 6 周间隔。

了解时间间隔 在年或天内的间隔都以 SAS 日期或日期时间值 0 为基点调整。SAS 使用 1960 年 1 月 1 日午夜的任意参考时间都用作非移位间隔的原点，并相对于 1960 年 1 月 1 日定义移位后的间隔。

例如，MONTH13 定义间隔 1960 年 1 月 1 日、1961 年 2 月 1 日、1962 年 3 月 1 日等等。间隔 1958 年 12 月 1 日、1957 年 11 月 1 日、1956 年 10 月 1 日 等等都是在基本日期 1960 年 1 月 1 日之前的日期。

再举一例，间隔指定 WEEK613 定义始于第二个星期五的 6 周期间。相对于包含 1960 年 1 月 1 日的期间进行调整这一规则确定了开始计数的位置，以确定对应于 6 周间隔的第二个星期五的日期。

示例

以下示例展示如何使用 INTNX 函数。

SAS 语句 结果

yr=intnx(‘year’,’05feb94’d,3); 13515

put yr / yr date7; 01JAN97

x=intnx(‘month’,’05jan95’d,0); 12784

put x / x date7; 01JAN95

next=intnx(‘semiyear’,’Oljan97’d,1); 13696

put next / next date7; 01JUL97

past=intnx(‘month2’,’Olaug96’d,-1); 13270

put past / past date7; 01MAY96

sm=intnx(‘semimonth22’,’Olapr97’d,4); 13711

put sm / sm date7; 16JUL97

具体你可以用EG模块查询生成器 -添加新的计算列-高级表达式中就有这个时间函数

SAS化部署是指将一个或多个SAS解决方案或应用程序中的所有组件，如数据集、程序、图形和文档等，打包并部署到SAS基础架构中，使得可以在不同的环境中进行复制和使用。这个过程需要考虑安全性、可靠性、稳定性、可扩展性和易于管理等因素。

SAS化部署通常需要使用SAS Deployment Wizard或SAS Studio来完成。其中，SAS Deployment Wizard是一种自动化工具，可以帮助用户快速安装、配置和管理SAS软件系统。而SAS Studio则是一种基于Web的开发环境，可以帮助用户创建和管理SAS应用程序、开发和调试代码、以及发布和共享结果等。

通过SAS化部署，企业可以更好地管理和共享SAS应用程序和解决方案，避免了重复部署和配置的问题，提高了生产效率和质量，减少了管理和维护成本，使得SAS的应用更加简单、灵活和可扩展。

，Python 和 SAS 是两个很常用的数据挖掘工具。Python 开源、免费、有丰富的三方库，一般在互联网公司广泛使用。而SAS需付费，且费用较高，一般互联网公司无法承担，更多的是在银行等传统金融机构中使用，不过这两年由于Python太火，原本使用SAS的也开始逐渐转向Python了。

拥抱开源，越来越多的爱好者造出优秀的Python轮子，比如当下比较流行的万金油模型Xgboost、LightGBM，在各种竞赛的top级方案中均有被使用。而SAS的脚步就比较慢了，对于一些比较新的东西都无法直接提供，所以对于那些使用SAS的朋友，就很难受了。

一直以来很多粉丝问过东哥这个问题：有没有一种可以将Python模型转成SAS的工具？

因为我本身是两个技能都具备的，实际工作中一般都是配合使用，也很少想过进行转换。但是，最近东哥逛技术论坛刚好发现了一个骚 *** 作，借助Python的三方库m2cgen和Python脚本即可完成Python模型到SAS的转换。

m2cgen是什么？

m2cgen是一个Python的第三方库，主要功能就是将Python训练过的模型转换为其它语言，比如 R 和 VBA。遗憾的是，目前m2cgen尚不支持SAS，但这并不影响我们最终转换为SAS。

我们仍然使用m2cgen，需要借助它间接转换成SAS。具体的方案就是先将Python模型转换为VBA代码，然后再将VBA代码更改为 SAS脚本，曲线救国。

如何使用m2cgen？

我直接用一个例子说明下如何 *** 作。

数据我们使用sklearn自带的iris dataset，链接如下：

The Iris Dataset — scikit-learn 111 documentation

下面，演示一下如何将Python的XGBoost模型转成SAS代码。

首先导入所需的库包和数据。

# 导入库

import pandas as pd

import numpy as np

import os

import re

from sklearn import datasets

from xgboost import XGBClassifier

from sklearnmodel_selection import train_test_split

from sklearnmetrics import accuracy_score

import m2cgen as m2c

# 导入数据

iris = datasetsload_iris()

X = irisdata

Y = iristarget

登录后复制

然后，我们划分数据集，直接扔进XGBoost里面，建立base模型。

# 划分数据为训练集和测试集

seed = 2020

test_size = 03

X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=test_size, random_state=seed)

# 训练数据

model = XGBClassifier()

modelfit(X_train, y_train)

登录后复制

然后，再将XGBoost模型转换为VBA。使用m2cgen的export_to_visual_basic方法就可以直接转成VBA了。转换成其他语言脚本也是同理，非常简单。

code = m2cexport_to_visual_basic(model, function_name = 'pred')

登录后复制

核心的骚 *** 作来了！

m2cgen不支持SAS，但我们可以把VBA代码稍加改动，就能变成符合SAS标准的代码了。而这个改动也无需手动一个个改，写一段Python脚本即可实现VBA脚本转换为SAS脚本。

改动的地方不多，主要包括：删除在SAS环境中不能使用的代码，像上面结果中的Module xxx，Function yyy ，Dim var Z As Double，还有在语句结尾加上;，这些为的就是遵循SAS的语法规则。

下面就是转换的Python脚本，可以自动执行上面所说的转换 *** 作。

# 1、移除SAS中不能使用的代码

code = resub('Dim var As Double', '', code)

code = resub('End If', '', code)

# 下面 *** 作将修改成符合SAS的代码

# 2、修改起始

code = resub('Module Model\nFunction pred(ByRef inputVector() As Double) As Double()\n',

'DATA pred_result;\nSET dataset_name;', code)

# 3、修改结尾

code = resub('End Function\nEnd Module\n', 'RUN;', code)

# 4、在结尾加上分号';'

all_match_list = refindall('[0-9]+\n', code)

for idx in range(len(all_match_list)):

original_str = all_match_list[idx]

new_str = all_match_list[idx][:-1]+';\n'

code = codereplace(original_str, new_str)

all_match_list = refindall(')\n', code)

for idx in range(len(all_match_list)):

original_str = all_match_list[idx]

new_str = all_match_list[idx][:-1]+';\n'

code = codereplace(original_str, new_str)

# 用var来替代inputVector

dictionary = {'inputVector(0)':'sepal_length',

'inputVector(1)':'sepal_width',

'inputVector(2)':'petal_length',

'inputVector(3)':'petal_width'}

for key in dictionarykeys():

code = codereplace(key, dictionary[key])

# 修改预测标签

code = resub('MathExp', 'Exp', code)

code = resub('pred = \n', '', code)

temp_var_list = refindall(r"var[0-9]+(\d)", code)

for var_idx in range(len(temp_var_list)):

code = resub(resub('\(', '\(', resub('\)', '\)', temp_var_list[var_idx])), iristarget_names[var_idx]+'_prob', code)

登录后复制

对以上脚本分步解释说明一下。

1、开头、结尾、输出名称

前三个部分非常简单。使用正则表达式删除多余的行，然后将脚本的开头更改为DATA pred_result; \ nSETdataset_name;。

使用过SAS的同学就很熟悉了，pred_result是运行SAS脚本后的输出表名称，dataset_name是我们需要预测的输入表名称。

最后再将脚本的结尾更改为RUN;。

# 移除SAS中不能使用的代码

code = resub('Dim var As Double', '', code)

code = resub('End If', '', code)

# 下面 *** 作将修改成符合SAS的代码

# 修改起始

code = resub('Module Model\nFunction pred(ByRef inputVector() As Double) As Double()\n',

'DATA pred_result;\nSET dataset_name;', code)

# 修改结尾

code = resub('End Function\nEnd Module\n', 'RUN;', code)

登录后复制

2、语句末尾添加分号

为遵循SAS中的语法规则，还需将每个语句的结尾加上;。仍用正则表达式，然后for循环在每一行最后添加字符;即可。

# 在结尾加上分号';'

all_match_list = refindall('[0-9]+\n', code)

for idx in range(len(all_match_list)):

original_str = all_match_list[idx]

new_str = all_match_list[idx][:-1]+';\n'

code = codereplace(original_str, new_str)

all_match_list = refindall(')\n', code)

for idx in range(len(all_match_list)):

original_str = all_match_list[idx]

new_str = all_match_list[idx][:-1]+';\n'

code = codereplace(original_str, new_str)

登录后复制

3、映射变量名称

使用字典将InputVector与变量名称映射到输入数据集中，一次性更改所有InputVector。

# 用var来替代inputVector

dictionary = {'inputVector(0)':'sepal_length',

'inputVector(1)':'sepal_width',

'inputVector(2)':'petal_length',

'inputVector(3)':'petal_width'}

for key in dictionarykeys():

code = codereplace(key, dictionary[key])

登录后复制

4、映射变量名称

最后一步就是更改预测标签。

# 修改预测标签

code = resub('MathExp', 'Exp', code)

code = resub('pred = \n', '', code)

temp_var_list = refindall(r"var[0-9]+(\d)", code)

for var_idx in range(len(temp_var_list)):

code = resub(resub('\(', '\(', resub('\)', '\)', temp_var_list[var_idx])), iristarget_names[var_idx]+'_prob', code)

登录后复制

然后保存sas模型文件。

＃保存输出

vb = open('vb1sas', 'w')

vbwrite(code)

vbclose()

登录后复制

最后，为了验证sas脚本是否正确，我们将sas模型的预测结果和Python的结果进行一下对比。

# python 预测

python_pred = pdDataFrame(modelpredict_proba(X_test))

python_predcolumns = ['setosa_prob','versicolor_prob','virginica_prob']

python_pred

# sas 预测

sas_pred = pdread_csv('pred_resultcsv')

sas_pred = sas_prediloc[:,-3:]

sas_pred

(abs(python_pred - sas_pred) > 000001)sum()

登录后复制

可以看到，两个预测的结果基本上一样，基本没问题，我们就可以在sas中跑xgboost模型了。

总结

上面只是个最简单的示例，没有对特征处理。对于复杂的建模过程，比如很多特征工程，那就要对Python脚本进一步调整了。

以上就是本次分享的所有内容，如果你觉得文章还不错，欢迎关注公众号：Python编程学习圈，每日干货分享，发送“J”还可领取大量学习资料，内容覆盖Python电子书、教程、数据库编程、Django，爬虫，云计算等等。或是前往编程学习网，了解更多编程技术知识。

python

机器学习

数据挖掘

视频教程-完整的Python和SAS数据分析-大数据

422阅读·0评论·0点赞

2020年5月28日

python 访问sas 逻辑库,SAS | 逻辑库和SAS数据集

460阅读·0评论·0点赞

2021年4月26日

python学习笔记---linux/windows调用sas程序

875阅读·0评论·0点赞

2019年10月24日

python可以代替sas_Python、 R 语言、SAS、SPSS 优缺点比较？（转）

604阅读·0评论·1点赞

2020年12月17日

python 访问sas 逻辑库_SAS编程基础 - 逻辑库和数据集

138阅读·0评论·0点赞

2020年12月9日

服务器部署sas_如何在阿里云SAS上部署WordPress网站

1429阅读·0评论·0点赞

2020年8月29日

python和sas配合使用_太骚了！Python模型完美切换SAS，还能这么玩。。

1963阅读·0评论·2点赞

2021年1月14日

python导入sas数据集_将变量从SAS传递到Python

344阅读·0评论·0点赞

2021年2月3日

python 访问sas 逻辑库_SAS岩论 | 在Jupyter Notebook中使用SAS

429阅读·0评论·0点赞

2020年12月9日

#sas建模-建模入门介绍

2257阅读·0评论·2点赞

2019年9月18日

#sas建模-建模过程介绍

2805阅读·1评论·0点赞

2019年9月18日

python调用sas_SAS日常使用的语句预定的python表达

370阅读·0评论·0点赞

2020年12月8日

python读取sas数据集_SASpy模块，利用Python *** 作SAS

1432阅读·0评论·0点赞

2020年11月26日

python可以代替sas,像SAS一样转置的python数据帧

156阅读·0评论·0点赞

2021年4月27日

sas和python的区别 知乎_银行业为什么喜欢用 sas 而不是 python？

1559阅读·0评论·0点赞

2020年12月9日

python和sas代码编写_如何从SAS到python编写if语句

329阅读·0评论·0点赞

2021年1月29日

saspython知乎_pyt

以上就是关于会用且现在能用SPSS的人进来~急！！！全部的内容，包括:会用且现在能用SPSS的人进来~急！！！、sas 中如何实现类似excel中edate的功能、sas化部署是什么意思等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！