第 02 章 · 基础语法速通（SAS 对照）

/* ============ SAS ============ */
data want;                      /* 语句以分号结束 */
    set have;                   /* 大小写不敏感 */
    x = age * 2;
    if x > 100 then flag = 'Y';
    else flag = 'N';
run;

%macro hi(name);                /* 宏定义 */
    %put Hello &name;
%mend;

# ============ Python ============
# 语句以换行结束，缩进决定层级（没有 run; 也没有分号）
want = have.copy()              # 大小写敏感！have ≠ Have
want["x"] = want["age"] * 2
want["flag"] = ["Y" if v > 100 else "N" for v in want["x"]]

def hi(name):                   # 函数定义用 def
    print(f"Hello {name}")

# 检查类型 —— 等价于 SAS 的 PROC CONTENTS 看 type
print(type(42))         # <class 'int'>
print(type(3.14))       # <class 'float'>
print(type("A"))        # <class 'str'>
print(type(True))       # <class 'bool'>
print(type(None))       # <class 'NoneType'>

isinstance(42, int)     # True —— 类似 SAS 的 vtype() / vartype()

7 / 2      # 3.5   ← 真除法！与 SAS 一致（SAS 的 / 也是真除）
7 // 2     # 3     ← 整除（SAS 里对应 floor(7/2)）
7 % 2      # 1     ← 取余（SAS 的 MOD(7,2)）
2 ** 10    # 1024  ← 幂（SAS 的 2**10 也支持）
abs(-5)    # 5     ← SAS 的 ABS(-5)
round(3.14159, 2)  # 3.14  ← SAS 的 round(x, 0.01)，注意参数含义不同！

/* SAS */
x = input("123", best.);      /* 字符 -> 数值 */
y = put(123, 8.);             /* 数值 -> 字符 */

int("123")        # 123      字符 -> 整数
float("3.14")     # 3.14     字符 -> 浮点
str(123)          # '123'    数值 -> 字符
bool(0)           # False    任意 -> 布尔（0/''/None 为 False）

# 批量转换 + 容错（对应 SAS 的 input(..., ??best.) 抑制日志）
import pandas as pd
pd.to_numeric("abc", errors="coerce")   # nan（无法转换时返回缺失，不报错）

s = "CDISCPILOT01"

s[0]        # 'C'      第 1 个字符（SAS 是 substr(s,1,1)）
s[1]        # 'D'      第 2 个字符
s[-1]       # '1'      最后一个字符 ← Python 独有，非常好用
s[0:4]      # 'CDIS'   第 1~4 个字符（左闭右开：含 0，不含 4）
s[4:]       # 'CPILOT01'  从第 5 个到结尾
s[:4]       # 'CDIS'   从开头到第 4 个

# 对应 SAS：substr(s, 1, 4)  →  s[0:4]
#          substr(s, 5)     →  s[4:]

s = "  Nausea  "

s.strip()                 # 'Nausea'
s.lstrip()                # 'Nausea  '
s.strip().upper()         # 'NAUSEA'
s.strip().lower()         # 'nausea'
"NAUSEA".istitle()        # False
"ab" in "abc"             # True    ← 子串判断（比 index()>0 更 Pythonic）
"abc".startswith("a")     # True
"abc".endswith("c")       # True
"a,b,,c".split(",")       # ['a', 'b', '', 'c']  ← 注意空元素会被保留
"-".join(["a", "b"])      # 'a-b'
"AEDECOD".replace("_", "")  # 'AEDECOD'
"  a  b  ".split()        # ['a', 'b']  ← 不传参时按任意空白切分，自动去空

# 对应 SAS 的 compress(s)：去掉所有空白
"".join("01 701 1015".split())   # '017011015'

subjid, age, sex = "1015", 63, "F"

# SAS: %let line = Subject &subjid. is &age. years old, sex &sex.;
line = f"Subject {subjid} is {age} years old, sex {sex}"
print(line)   # Subject 1015 is 63 years old, sex F

# 格式化数字（对应 SAS 的 put(3.14159, 8.2)）
print(f"{3.14159:.2f}")     # 3.14    保留 2 位小数
print(f"{1234567:,}")       # 1,234,567   千分位
print(f"{0.1234:.1%}")      # 12.3%   百分比
print(f"{'N':>5}|{'N':<5}") # 右对齐 | 左对齐（做文本报表时有用）

# 表格加宽（临床报表常见需求，对应 SAS 的 $10. 格式）
print(f"{'TRT01P':<25}{'N':>6}{'Mean':>10}")
print(f"{'Placebo':<25}{79:>6}{75.2:>10.1f}")

import re

ae = "MODERATE, SEVERE"

re.search(r"SEVERE", ae)              # <re.Match>  对应 prxmatch
re.sub(r"\s+", " ", ae)               # 'MODERATE, SEVERE'  对应 prxchange
re.findall(r"\b[A-Z]{4,}\b", ae)      # ['MODERATE', 'SEVERE']

# 实用例：从 USUBJID 提取 SITEID 和 SUBJID（01-701-1015）
usubjid = "01-701-1015"
m = re.match(r"^(\d+)-(\d+)-(\d+)$", usubjid)
if m:
    study, site, subj = m.groups()     # ('01', '701', '1015')

# 或者更简单的 split（USUBJID 结构固定时更推荐）
study, site, subj = usubjid.split("-")

# 比较运算（与 SAS 基本一致）
2 > 1        # True
"a" == "a"   # True   ← 相等是 ==，不是 =
2 != 3       # True   ← 不等是 !=（SAS 是 ^= 或 ne）
2 <= 3       # True

# 逻辑运算：SAS 用 and/or/not 或 &/|/^，Python 必须用关键字
True and False    # False    ← SAS: True & False 或 True and False
True or False     # True
not True          # False    ← SAS: not True 或 ^True

# 链式比较（Python 独有，很好用）
0 <= age <= 100      # 等价于 age >= 0 and age <= 100

# 以下都是 False（"假值"）
bool(0), bool(0.0), bool(""), bool([]), bool({}), bool(None), bool(float("nan"))
# 其余都是 True

# 实用：判断"有没有内容"
name = ""
if not name:
    print("名字为空")

import numpy as np

# 三种"空"的表示，用途不同
v1 = None          # Python 原生空值，用于对象（字符串、日期列表元组）
v2 = np.nan        # 浮点缺失，用于数值（pandas 数值列的缺失值）
v3 = pd.NA         # pandas 的通用缺失值（可空整型/布尔）

# 判断：永远用 pd.isna()，绝不用 ==
pd.isna(v1)        # True
pd.isna(v2)        # True
v2 == v2           # False  ← 注意！NaN 不等于自己

import pandas as pd

# SAS 的这段：
#   if nmiss(age, weight) > 0 then flag = 'Y';
# 在 pandas 中：
df["has_missing"] = df[["AGE", "WEIGHTBL"]].isna().any(axis=1)

# 数缺失（对应 PROC MEANS 的 NMISS）
df.isna().sum()            # 每列缺失数

# 用 0 填充（对应 if x = . then x = 0;）
df["AVAL"] = df["AVAL"].fillna(0)

# 1) 最直接：print
subjid, age = "1015", 63
print("SUBJID =", subjid, "AGE =", age)     # 逗号分隔，自动加空格
print(f"SUBJID = {subjid}, AGE = {age}")    # 推荐：f-string

# 2) 看变量"是什么"（调试必用，对应 PROC CONTENTS）
x = [1, 2, 3]
print(type(x), len(x), x)

# 3) 结构化调试（推荐用于正式脚本）
import logging
logging.basicConfig(level=logging.INFO, format="%(levelname)s | %(message)s")
logging.info("读取 dm.xpt 完成，%d 行", 306)
logging.warning("ADSL 中 %d 条记录 TRT01P 为空", 3)
# 输出：INFO | 读取 dm.xpt 完成，306 行