{"id":10011,"date":"2026-10-14T18:02:35","date_gmt":"2026-10-14T18:02:35","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-supprimer-des-lignes-dans-sas-3-exemples\/"},"modified":"2026-10-14T18:02:35","modified_gmt":"2026-10-14T18:02:35","slug":"comment-supprimer-des-lignes-dans-sas-3-exemples","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-supprimer-des-lignes-dans-sas-3-exemples","title":{"rendered":"Comment supprimer des lignes dans SAS (3 exemples)"},"content":{"rendered":"

Dans l’\u00e9cosyst\u00e8me du traitement analytique des donn\u00e9es et de l’informatique d\u00e9cisionnelle, le progiciel SAS (Statistical Analysis System)<\/a> s’est impos\u00e9 depuis plusieurs d\u00e9cennies comme un standard de r\u00e9f\u00e9rence au sein des industries pharmaceutiques, financi\u00e8res, assurantielles et de la recherche publique. La manipulation pr\u00e9cise et rigoureuse des structures de donn\u00e9es matricielles constitue le socle op\u00e9rationnel sur lequel repose toute inf\u00e9rence statistique ou mod\u00e9lisation pr\u00e9dictive subs\u00e9quente. Au sein de cet \u00e9difice m\u00e9thodologique, la capacit\u00e9 \u00e0 segmenter, filtrer et expurger les observations non pertinentes repr\u00e9sente une comp\u00e9tence \u00e9l\u00e9mentaire mais cruciale pour tout analyste, statisticien ou ing\u00e9nieur de donn\u00e9es.<\/p>\n

La gestion du cycle de vie des enregistrements au cours de l’ex\u00e9cution d’un programme SAS mobilise des concepts d’architecture interne sophistiqu\u00e9s, notamment le fonctionnement s\u00e9quentiel de l’\u00e9tape DATA (Data Step<\/em>) et l’interaction dynamique avec la m\u00e9moire vive via le vecteur de donn\u00e9es de programme (Program Data Vector<\/em> ou PDV). Contrairement \u00e0 de simples filtres visuels appliqu\u00e9s dans des tableurs grand public, la suppression de lignes dans SAS r\u00e9pond \u00e0 des r\u00e8gles de compilation et d’ex\u00e9cution d\u00e9terministes qui conditionnent directement l’int\u00e9grit\u00e9 r\u00e9f\u00e9rentielle, les temps de calcul machine et l’espace de stockage sur disque.<\/p>\n

Cet article propose une exploration m\u00e9thodique, th\u00e9orique et appliqu\u00e9e des m\u00e9canismes pr\u00e9sidant \u00e0 la suppression conditionnelle d’observations dans SAS. \u00c0 travers l’\u00e9tude approfondie de trois cas d’\u00e9cole progressifs \u2014 allant de l’\u00e9limination univari\u00e9e simple \u00e0 la disjonction logique complexe \u2014, nous analyserons comment exploiter l’instruction DELETE<\/code>, tout en mettant en perspective cette approche avec les paradigmes concurrents ou compl\u00e9mentaires que sont le sous-ensemble conditionnel (Subsetting IF<\/em>), la clause d’optimisation WHERE<\/code> et les requ\u00eates relationnelles via la proc\u00e9dure PROC SQL<\/code>.<\/p>\n

1. Introduction aux m\u00e9canismes de filtrage et de suppression de donn\u00e9es dans SAS<\/h2>\n

1.1 Importance de l’\u00e9puration des donn\u00e9es dans le pipeline analytique<\/h3>\n

Au c\u0153ur de la d\u00e9marche empirique en science des donn\u00e9es, la qualit\u00e9 des r\u00e9sultats statistiques d\u00e9pend intrins\u00e8quement de la puret\u00e9 du mat\u00e9riau informationnel mobilis\u00e9, principe universellement r\u00e9sum\u00e9 par l’adage \u00ab garbage in, garbage out<\/em> \u00bb. L’\u00e9puration des donn\u00e9es, loin de constituer une simple formalit\u00e9 technique, s’inscrit comme une \u00e9tape pivot de la gouvernance des donn\u00e9es. \u00c9liminer des observations aberrantes, exclure des unit\u00e9s d’\u00e9chantillonnage ne satisfaisant pas aux crit\u00e8res d’inclusion d’un protocole clinique, ou purger des doublons administratifs permet de garantir la robustesse des estimateurs statistiques, tels que la moyenne, la variance ou les coefficients de r\u00e9gression.<\/p>\n

Sur le plan conceptuel, il est primordial d’\u00e9tablir une distinction formelle entre la suppression physique des donn\u00e9es et leur filtrage programmatique temporaire. La suppression physique implique une modification d\u00e9finitive du support de persistance, entra\u00eenant la lib\u00e9ration de blocs d’espace disque et la destruction irr\u00e9versible des enregistrements cibl\u00e9s, une op\u00e9ration qui requiert des protocoles stricts de s\u00e9curisation et d’audit. \u00c0 l’oppos\u00e9, le filtrage programmatique, pr\u00e9dominant dans les \u00e9tapes de transformation SAS, consiste \u00e0 extraire un sous-ensemble d’enregistrements d’une table source r\u00e9put\u00e9e immuable afin de g\u00e9n\u00e9rer une nouvelle table d\u00e9riv\u00e9e. Cette approche pr\u00e9serve le jeu de donn\u00e9es primaire et garantit la tra\u00e7abilit\u00e9 int\u00e9grale du pipeline analytique.<\/p>\n

L’optimisation des flux de donn\u00e9es engendre \u00e9galement des r\u00e9percussions directes sur l’architecture mat\u00e9rielle sous-jacente. Dans des environnements traitant des volumes massifs (Big Data<\/em>), conserver des lignes superflues au fil de dizaines d’\u00e9tapes DATA successives sature inutilement la m\u00e9moire vive (RAM) allou\u00e9e aux tampons de calcul et encombre le sous-syst\u00e8me d’entr\u00e9es-sorties (I\/O). En restreignant le volume d’observations d\u00e8s les phases initiales de la manipulation, l’analyste all\u00e8ge consid\u00e9rablement la charge computationnelle et r\u00e9duit les temps de rotation des traitements par lots (batch processing<\/em>).<\/p>\n

1.2 Pr\u00e9sentation des concepts d’observation et de variable dans le syst\u00e8me SAS<\/h3>\n

Le syst\u00e8me SAS structure l’information sous la forme d’une table rectangulaire bidimensionnelle, d\u00e9sign\u00e9e sous le terme technique de table SAS (ou SAS Data Set<\/em>). Cette structure bidirectionnelle s’articule rigoureusement autour de deux axes fondamentaux : les colonnes, d\u00e9sign\u00e9es sous l’appellation de variables<\/strong>, et les lignes horizontales, qualifi\u00e9es formellement d’observations<\/strong>. Chaque variable incarne une dimension descriptive ou une caract\u00e9ristique quantitative ou qualitative, d\u00e9finie par un nom, un type strict (num\u00e9rique ou caract\u00e8re), une longueur en octets, ainsi que des attributs optionnels de format d’affichage et d’\u00e9tiquetage s\u00e9mantique.<\/p>\n

D’un point de vue fonctionnel, une observation constitue un vecteur d’attributs individuels rattach\u00e9s \u00e0 une unit\u00e9 statistique distincte, qu’il s’agisse d’un patient au sein d’un essai clinique, d’une transaction bancaire ou d’une pi\u00e8ce industrielle. Dans l’\u00e9cosyst\u00e8me SAS, la manipulation de ces observations ne s’op\u00e8re pas globalement comme dans une alg\u00e8bre matricielle pure, mais selon un paradigme it\u00e9ratif et s\u00e9quentiel h\u00e9rit\u00e9 de la conception des syst\u00e8mes d’exploitation sur gros syst\u00e8mes (mainframes<\/em>). Le compilateur SAS lit la table d’entr\u00e9e enregistrement par enregistrement, applique les r\u00e8gles de gestion formul\u00e9es par le programmeur, puis d\u00e9cide souverainement de l’\u00e9criture ou du rejet de chaque ligne.<\/p>\n

Cette logique s\u00e9quentielle induit que toute action de suppression n’est pas ex\u00e9cut\u00e9e r\u00e9troactivement sur l’ensemble de la table, mais s’\u00e9value dynamiquement \u00e0 l’instant pr\u00e9cis o\u00f9 l’observation courante franchit le flux de traitement du compilateur. Comprendre cette granularit\u00e9 individuelle s’av\u00e8re indispensable pour appr\u00e9hender pourquoi et comment une condition logique peut intercepter une observation pour emp\u00eacher sa propagation vers la table de sortie.<\/p>\n

1.3 Vue d’ensemble des trois paradigmes conditionnels de suppression<\/h3>\n

La logique d’exclusion des observations s’articule g\u00e9n\u00e9ralement autour de trois grands paradigmes conditionnels, dont la complexit\u00e9 formelle cro\u00eet avec le nombre de dimensions \u00e9valu\u00e9es simultan\u00e9ment. Le premier paradigme repose sur une approche d\u00e9terministe univari\u00e9e<\/strong>. Dans ce sch\u00e9ma, l’exclusion d’une ligne est subordonn\u00e9e \u00e0 l’\u00e9valuation d’un pr\u00e9dicat unique appliqu\u00e9 \u00e0 une variable singuli\u00e8re, par exemple l’appartenance d’un sujet \u00e0 un groupe t\u00e9moin sp\u00e9cifique ou le franchissement d’un seuil m\u00e9trique d’\u00e2ge. C’est le niveau le plus accessible et le plus direct du filtrage de donn\u00e9es.<\/p>\n

Le deuxi\u00e8me paradigme met en \u0153uvre une logique conjonctive cumulative<\/strong>, articul\u00e9e autour de l’op\u00e9rateur bool\u00e9en AND<\/code>. L’\u00e9limination d’une observation ne survient que si cette derni\u00e8re satisfait simultan\u00e9ment une pluralit\u00e9 de conditions restrictives distinctes. Cette strat\u00e9gie d’intersection logique permet d’isoler des sous-populations tr\u00e8s pr\u00e9cises pr\u00e9sentant une conjonction de crit\u00e8res critiques, tout en maintenant dans le flux d’analyse les observations qui n’enfreignent qu’une partie de ces conditions. Elle exige une rigueur analytique accrue afin de ne pas exclure ind\u00fbment des donn\u00e9es par une accumulation mal calibr\u00e9e de contraintes.<\/p>\n

Enfin, le troisi\u00e8me paradigme mobilise une logique disjonctive alternative<\/strong>, mat\u00e9rialis\u00e9e par l’op\u00e9rateur bool\u00e9en OR<\/code>. Ici, la suppression devient hautement s\u00e9lective ou inclusive selon la perspective : d\u00e8s lors qu’un seul crit\u00e8re parmi un ensemble de conditions ind\u00e9pendantes est valid\u00e9, l’enregistrement est imm\u00e9diatement \u00e9ject\u00e9 du circuit de production. Cette m\u00e9thode s’av\u00e8re redoutable pour purger de larges cohortes de donn\u00e9es pollu\u00e9es ou pour appliquer des filtres de s\u00e9curit\u00e9 stricts, mais elle expose \u00e9galement le d\u00e9veloppeur \u00e0 des risques accrus d’hyper-filtrage involontaire si les r\u00e8gles d’exclusion ne sont pas strictement circonscrites.<\/p>\n

2. Architecture du Data Step : cycle d’ex\u00e9cution et traitement s\u00e9quentiel<\/h2>\n

2.1 Le Program Data Vector (PDV) et son r\u00f4le dans la s\u00e9lection<\/h3>\n

Pour ma\u00eetriser la suppression de lignes dans SAS, il est n\u00e9cessaire de d\u00e9cortiquer les m\u00e9canismes intimes du Program Data Vector (PDV)<\/a>. Le PDV est une zone tampon d\u00e9di\u00e9e au sein de la m\u00e9moire vive allou\u00e9e par le syst\u00e8me d’ex\u00e9cution lors de la phase de compilation d’une \u00e9tape DATA. Sa fonction principale consiste \u00e0 contenir, de mani\u00e8re s\u00e9quentielle et ordonn\u00e9e, l’ensemble des valeurs des variables pour une observation unique au cours de son traitement. Le PDV accueille non seulement les variables issues des tables sources d\u00e9clar\u00e9es dans l’instruction SET<\/code>, mais \u00e9galement les variables temporaires calcul\u00e9es et les variables automatiques du syst\u00e8me, telles que _N_<\/code> (compteur d’it\u00e9rations de la boucle DATA) et _ERROR_<\/code> (drapeau signalant les erreurs d’ex\u00e9cution).<\/p>\n

Le cycle de vie du PDV ob\u00e9it \u00e0 un algorithme immuable : initialisation de l’espace m\u00e9moire, lecture des valeurs depuis la table d’entr\u00e9e, ex\u00e9cution s\u00e9quentielle des instructions de manipulation ligne par ligne, \u00e9criture automatique de l’\u00e9tat final du vecteur dans la table de destination, puis r\u00e9initialisation des variables non conserv\u00e9es avant l’it\u00e9ration suivante. Dans cette dynamique, les instructions conditionnelles jouent le r\u00f4le de sentinelles. Lorsqu’une instruction de suppression est rencontr\u00e9e, le compilateur court-circuite le flux d’ex\u00e9cution standard avant que l’ordre d’\u00e9criture sur disque ne soit \u00e9mis.<\/p>\n

L’\u00e9valuation des pr\u00e9dicats s’op\u00e8re donc directement sur les valeurs instanci\u00e9es au sein du PDV \u00e0 un instant t<\/em>. Si les valeurs pr\u00e9sentes dans cette m\u00e9moire tampon satisfont aux crit\u00e8res d’exclusion d\u00e9finis par le d\u00e9veloppeur, le destin de l’observation courante bascule instantan\u00e9ment, garantissant que les donn\u00e9es non d\u00e9sir\u00e9es ne franchiront jamais la barri\u00e8re de persistance du jeu de donn\u00e9es final.<\/p>\n

2.2 S\u00e9mantique et fonctionnement de l’instruction DELETE<\/h3>\n

L’instruction DELETE<\/code> est l’outil programmatique d\u00e9di\u00e9 par excellence \u00e0 l’interruption du traitement de l’enregistrement en cours au sein de l’\u00e9tape DATA. Sa s\u00e9mantique op\u00e9rationnelle est radicale mais \u00e9l\u00e9gante : lorsqu’une clause conditionnelle formul\u00e9e sous la structure IF condition THEN DELETE;<\/code> est \u00e9valu\u00e9e \u00e0 vrai (soit une valeur bool\u00e9enne diff\u00e9rente de z\u00e9ro et non manquante en langage SAS), l’ex\u00e9cution de l’\u00e9tape DATA pour l’it\u00e9ration courante s’interrompt imm\u00e9diatement.<\/p>\n

Cette interruption signifie que toutes les instructions subs\u00e9quentes situ\u00e9es en aval de l’instruction DELETE<\/code> dans le corps de l’\u00e9tape DATA sont purement et simplement ignor\u00e9es pour cette observation sp\u00e9cifique. Plus fondamentalement encore, l’action automatique d’\u00e9criture de fin de boucle \u2014 qui transf\u00e8re le contenu du PDV vers le fichier de donn\u00e9es physique sur disque \u2014 est court-circuit\u00e9e. La ligne pr\u00e9sente dans le tampon m\u00e9moire est ainsi \u00e9cart\u00e9e sans laisser de trace dans la table r\u00e9ceptrice.<\/p>\n

Simultan\u00e9ment \u00e0 ce rejet, le pointeur d’ex\u00e9cution du syst\u00e8me SAS est r\u00e9initialis\u00e9 et renvoy\u00e9 \u00e0 la ligne sup\u00e9rieure de l’\u00e9tape DATA pour amorcer l’it\u00e9ration suivante (correspondant \u00e0 l’incr\u00e9mentation de la variable automatique _N_<\/code>). Le PDV est alors r\u00e9initialis\u00e9 conform\u00e9ment aux attributs des variables, et l’enregistrement suivant est extrait de la table source. Il s’agit donc d’une suppression pr\u00e9ventive de la persistance, agissant comme un r\u00e9gulateur de flux au c\u0153ur du moteur de traitement.<\/p>\n

2.3 Diff\u00e9rences fondamentales entre DELETE, OUTPUT implicite et STOP<\/h3>\n

Une confusion fr\u00e9quente chez les programmeurs SAS d\u00e9butants ou interm\u00e9diaires r\u00e9side dans la distinction entre les instructions DELETE<\/code>, OUTPUT<\/code> et STOP<\/code>, qui gouvernent toutes le flux d’ex\u00e9cution s\u00e9quentiel mais selon des desseins totalement divergents. Par d\u00e9faut, une \u00e9tape DATA applique un m\u00e9canisme d’OUTPUT implicite<\/strong> : en l’absence de commande d’\u00e9criture sp\u00e9cifique, le syst\u00e8me ex\u00e9cute une instruction OUTPUT<\/code> invisible juste avant l’instruction RUN;<\/code>, garantissant que chaque ligne lue et trait\u00e9e soit transcrite dans la table de sortie. L’instruction DELETE<\/code> a pr\u00e9cis\u00e9ment pour fonction d’annuler cet OUTPUT<\/code> implicite pour l’it\u00e9ration courante.<\/p>\n

\u00c0 l’inverse, d\u00e8s lors qu’un d\u00e9veloppeur ins\u00e8re une instruction OUTPUT<\/code> explicite dans le code, le comportement par d\u00e9faut est d\u00e9sactiv\u00e9. Dans cette configuration, seules les observations explicitement d\u00e9sign\u00e9es par l’instruction OUTPUT<\/code> sont \u00e9crites. Par cons\u00e9quent, l’utilisation de DELETE<\/code> devient conceptuellement redondante ou contradictoire dans une architecture r\u00e9gie par des OUTPUT<\/code> conditionnels explicites, o\u00f9 la non-ex\u00e9cution de l’instruction d’\u00e9criture \u00e9quivaut structurellement \u00e0 une suppression.<\/p>\n

Enfin, l’instruction STOP<\/code> op\u00e8re \u00e0 une \u00e9chelle radicalement diff\u00e9rente. Alors que DELETE<\/code> se contente d’\u00e9carter l’observation courante pour passer imm\u00e9diatement \u00e0 la suivante, STOP<\/code> ordonne l’interruption compl\u00e8te, imm\u00e9diate et d\u00e9finitive de l’\u00e9tape DATA globale. L’utilisation de STOP<\/code> fige la table de sortie dans son \u00e9tat courant, emp\u00eache la lecture de toutes les observations restantes dans le jeu de donn\u00e9es d’entr\u00e9e et force la cl\u00f4ture abrupte du programme. Il s’agit d’une instruction de contr\u00f4le d’urgence ou de terminaison pr\u00e9matur\u00e9e sur condition critique, qui ne saurait \u00eatre substitu\u00e9e \u00e0 une instruction d’\u00e9puration s\u00e9lective comme DELETE<\/code>.<\/p>\n

3. Mise en place de l’environnement : le jeu de donn\u00e9es de r\u00e9f\u00e9rence<\/h2>\n

3.1 Cr\u00e9ation du jeu de donn\u00e9es synth\u00e9tique original_data<\/h3>\n

Afin de fournir une assise empirique indiscutable et directement reproductible \u00e0 nos d\u00e9veloppements m\u00e9thodologiques, nous \u00e9tablissons un environnement exp\u00e9rimental contr\u00f4l\u00e9 reposant sur la cr\u00e9ation d’un jeu de donn\u00e9es synth\u00e9tique baptis\u00e9 original_data<\/code>. Ce tableau condense les dimensions classiques rencontr\u00e9es dans des probl\u00e9matiques r\u00e9elles de gestion ou d’analyse sportive, tout en conservant une taille matricielle r\u00e9duite autorisant un suivi pas \u00e0 pas des transformations au sein du PDV.<\/p>\n

La structure de cette table est initi\u00e9e via l’instruction DATA original_data;<\/code>, suivie de la directive d’entr\u00e9e INPUT<\/code> qui d\u00e9finit la topologie des colonnes. Nous instancions trois variables aux caract\u00e9ristiques compl\u00e9mentaires :<\/p>\n