SAS выводит результаты во входной набор данных (одно и то же имя входящего и исходящего набора данных)

Последнее, само по себе, выполняется довольно часто; поскольку сортировка просто переупорядочивает набор данных, и (если вы не зависите от другого порядка или если вы не используете предложение where для фильтрации набора данных или параметров переименования / сохранения / удаления) не наносит постоянного вреда для набор данных, это не считается плохой практикой, пока tmp находится в работе (или имя библиотеки, предназначенное для использования в качестве рабочего каталога). SAS создает временный файл для сортировки, и в случае успеха удаляет старый и переименовывает временный файл; нет существенного риска коррупции.

Первое, установка набора данных для самого себя на этапе данных, обычно не считается хорошей практикой. Это потому, что шаг данных часто делает что-то необратимое - например, если вы запускаете его один раз, он дает другой результат, чем если вы запускаете его снова. Таким образом, вы рискуете не знать, какой статус имеет ваш набор данных; и в то время как с sort вы можете положиться на знание, потому что вы получаете очевидную ошибку, если она не отсортирована должным образом большую часть времени, с шагом данных, о котором вы, возможно, никогда не узнаете. Таким образом, каждый шаг данных обычно должен создавать новый набор данных (по крайней мере, новый для этого потока). Бывают случаи, когда это необходимо или, по крайней мере, было бы существенно расточительно не делать этого - возможно, макрос, который иногда выполняет длинный шаг данных, а иногда нет, - но обычно вы можете программировать вокруг этого.

Однако это не опасно в том смысле, что может запутаться файловая система; аналогично sort, SAS просто создаст временный файл, заполнит новый набор данных, затем удалит старый и переименует временный файл.

(Я оставляю в стороне упоминания о таких вещах, как modify, который должен установить набор данных для себя, поскольку у этого есть очевидный ответ ...)

Некоторые примеры того, почему это не считается хорошей практикой. Предположим, вы работаете в интерактивном режиме и у вас есть следующий набор данных кода с именем tmp:

data tmp;
  set sashelp.class;
run;

Если бы вы дважды запускали приведенный ниже код, в первый раз он работал бы нормально, но при втором запуске вы получите предупреждение, так как возраст переменной больше не существует в этом наборе данных:

data tmp;
  set tmp;
  drop age;
run;

В данном случае это довольно безобидный пример, и вам повезло, что SAS просто выдает предупреждение. Однако в зависимости от того, что делал шаг данных, это могло так же легко быть чем-то, что генерировало ошибку, например:

data tmp;
  set tmp (rename=(age=blah));
run;

Или, что еще хуже, он может не генерировать ОШИБКУ или ПРЕДУПРЕЖДЕНИЕ и изменить ожидаемые результаты, как в приведенном ниже коде:

data tmp;
  set tmp;
  weight = log(weight);
run;

Мы намерены применить простое преобразование журнала к переменной веса при подготовке к моделированию, но если мы случайно запустим этот шаг во второй раз, мы вычислим журнал (log (вес)). Никаких предупреждений или ошибок не будет, и, глядя на набор данных, не сразу станет очевидно, что что-то не так.

ИМО, вам намного лучше создавать итеративные наборы данных, т.е. tmp1, tmp2, tmp3 и так далее ... для каждого процесса, который каким-либо образом обновляет набор данных. Место намного дешевле, чем тратить время на отладку.