从 SAS 到 iModel：SAS 用户的可视化迁移全指南

写惯了 SAS 脚本来做数据清洗与建模，第一次面对从 SAS 到 iModel的可视化开发，难免会怀疑：「拖节点」真的能承载原本复杂的 SAS 代码逻辑吗？答案是肯定的。iModel 数据科学平台用「节点 + 工作流」表达逻辑，本文像一本对照词典，把最常用的 SAS 步骤、宏、函数与建模流程，一一翻译成 iModel 的对标节点，并给出一个最小可运行的完整例子，帮你平滑迁移。

从 SAS 到 iModel：核心概念对照

进入具体节点前，先理解两者在底层范式上的差异。理解了这张表，迁移就成功了一半。

具体来说，iModel 每个节点下方都有一盏「红绿灯」：红=未配置、黄=已配置待运行、绿=已成功执行、红灯带叉=执行报错。流程卡在哪一步，一眼便知，不必再逐行翻 Log。

一个最小例子：把一段 SAS 程序读成工作流

先看一个典型的小程序：读入数据 → 打标签 → 按合同号排序 → 按客户汇总销售额。用 SAS 大概是这样：

同样的逻辑，在 iModel 里就是一条四节点的工作流——每个 PROC / DATA 步对应一个节点，读起来一目了然：

这就是迁移的基本套路：把脚本按「一步一节点」拆开，再用连线表达数据流向。下面分门别类地展开。

数据读写：从 INFILE / PROC IMPORT 到 Reader / Writer 节点

在 SAS 里读写数据要写文件指针；在 iModel 里，只需拖对应的读取或写出节点。

• 查看数据：SAS 用 PROC PRINT；iModel 里所有绿灯节点的输出端口随时可看——右键节点 → 选最下方的输出结果即可。
• 读文本 / CSV（对标 INFILE）→ File Reader 或 CSV Reader。
• 读 Excel（对标 PROC IMPORT DBMS=EXCEL）→ Excel Reader，图形化勾选 Sheet 与表头。
• 读 SAS 原生数据集（.sas7bdat）→ 无需先转 CSV，使用专用的 SAS7BDAT Reader 节点直接读入。
• 写出数据（对标 PROC EXPORT）→ CSV Writer / Excel Writer / Table to PDF 等。
• 读写数据库（对标 LIBNAME + JDBC 引擎）→ DB Connector 建连接，DB Reader 取数、DB Writer 写回；连接信息单独成节点，切换开发/生产环境只需替换连接器。

合并与拼接：从 MERGE / SET / PROC SQL 到 Joiner / Concatenate

SAS 里合并数据集有好几种写法，在 iModel 里同样各有清晰对应：

值得强调的是，iModel 里的原表始终保留在上游节点的输出端口，因此「先 KEEP 再算、再取回完整表」这类操作非常自然，不像 SAS 一旦在 DATA 步里 DROP 就得重读。

排序、分组、去重与频数

这一组是 SAS 用户的高频操作：

• 分组聚合（PROC SUMMARY / MEANS）→ GroupBy：Groups 选项卡选分组列（对标 CLASS），Aggregation 选项卡选统计列与方法（对标 VAR 与聚合函数）。
• 频数统计（PROC FREQ）→ GroupBy 用 Count 聚合，或用 Pivoting 做交叉表。
• 数据透视（PROC TABULATE）→ Pivoting：三个选项卡分别确定行（Groups）、列（Pivots）、指标（Manual Aggregation）。
• 排序（PROC SORT）→ Sorter：多列升/降序。
• 去重（PROC SORT nodup）→ Duplicate Row Filter：还能在高级设置里选「保留第一行/最后一行」或「按某列最大/最小值保留」，比 SAS 更灵活。

从 SAS 到 iModel：字符串函数速查

数据清洗中字符串处理占了半壁江山。iModel 用一个万能的 String Manipulation 节点，内置了几乎所有与 SAS 对应的函数：

条件判断、数值计算与缺失值

SAS DATA 步里频繁使用的 if-then-else，在 iModel 里被完整装进 Rule Engine 节点。规则按行从上到下匹配，先命中先结束。

纯数值计算（SAS DATA 步里的算术赋值）则交给 Math Formula 节点；需要「引用上一行」的跨行计算（如累计、环比），用 Lag Column 把上一行的值挪到当前行，再配合 Math Formula 即可，等效于 SAS 的 retain / lag() 技巧。

至于缺失值（对标 missing()），有两种做法：一是在 Rule Engine 里写 MISSING $列$ => …；二是直接用更专门的 Missing Value 节点，对全局或指定列一键批量填补。

宏变量与宏循环：从 %LET / %DO 到流变量与循环

SAS 的宏（Macro）用来参数化与批处理，在 iModel 里对应两套机制：

• 宏变量（%LET x=…; &x）→ 流变量（Flow Variables）：动态控制节点设置。例如用一个字符串流变量动态决定要写出的文件名，或用日期流变量控制筛选区间。
• 宏循环（%DO … %END）→ 循环（Loops）：用 Loop Start + Loop End 成对构建。例如 Table Row to Variable Loop 配合 List Files，可自动批量读取并合并整个目录的文件——相当于把一段 SAS 宏循环可视化了。

因此，凡是你在 SAS 里靠宏实现的「同一段逻辑跑很多遍」，在 iModel 里都能用循环 + 流变量稳稳复现，而且过程全程可见、可单步检查。

建模与机器学习：iModel 更全面的地方

相比 SAS 各个 PROC（如 PROC REG、PROC LOGISTIC、PROC HPFOREST），iModel（基于 KNIME 内核）在原生建模上更开放、更可定制。其建模遵循统一框架：划分数据 → Learner（训练）→ Predictor（预测）→ Scorer（评估）。

• 回归：线性、逻辑、多项式回归等，对标 PROC REG / PROC LOGISTIC，部分可下推 Spark 并行。
• 树与集成：决策树、随机森林、梯度提升树，并可调用 XGBoost、H2O。
• 聚类：K-Means、层次聚类等，无需预先标注。
• 神经网络：通过 Keras / TensorFlow 集成，一层一个节点，支持迁移学习。
• 评估与可解释：混淆矩阵、ROC、Lift 图，以及 LIME、Shapley 等可解释性工具。
• 调参：参数优化循环对超参数做网格 / 随机 / 贝叶斯搜索。

从 SAS 到 iModel：5 步迁移路线图

为什么从 SAS 迁到 iModel？

SAS 是强大的专有闭源体系，但每当出现全新的定制化需求，你往往要等待原厂版本迭代。iModel 走的是开放路线，遇到前沿需求可直接嵌入开源代码、可封装复用。更关键的是，对中国企业而言，从 SAS 到 iModel 还意味着一套能真正落地的能力：

• 全面中文化：界面、节点、文档均为中文，迁移成本更低。
• 信创合规：100% 兼容麒麟/统信操作系统、海光/鲲鹏/龙芯芯片、达梦等国产数据库。
• 成本与许可：摆脱按席位/模块的高昂年费，企业可控的总拥有成本更友好。
• 企业级支持：在开源内核之上做了大量强化，并提供中文技术支持与服务网点。

因此，iModel 是 SAS 国产化替代的标准答案，同样适用于 KNIME 替代场景，并自带统计与机器学习能力。开源内核可参考 KNIME，更多落地案例见用户用例。