SAS学习笔记（一）：数据导入

2024-02-20 10:33:22

参考书籍：《The Little SAS book》

1 导入内部数据

DATA后接数据集名称；INPUT后为变量名称，变量与变量间用空格隔开，如果变量是字符型，名称后要用空格和$，所以图中President和Party为字符型数据，Number为数值型数据；DATALINES表示下面直到用分号结尾的是数据，命令CARD与DATALINES有一样的作用；RUN表示数据步结束。

2 导入外部数据

用 INFILE ‘数据文件地址’ 导入数据。对于内容如下的数据文件President.dat：

将其导入SAS的代码：

INFILE函数的选项：

当需导入的数据过长时（长度超过256），在INFILE语句后用LRECL指定长度。

INFILE 'c:\Myrawdata\data.dat' LRECL=2000;

当数据分隔符不为空格时（空格为默认的分隔符），在INFILE语句后用DLM修改分隔符。如分隔符为逗号：

INFILE  'c:\Myrawdata\data.dat' DLM=',';

当数据的缺失值用两个分隔符表示时（默认是用’.‘表示），在INFILE语句后用DSD修改。如分隔符为逗号，缺失值用两个逗号表示时：

INFILE  'c:\Myrawdata\data.dat' DLM=',' DSD;

当需要指定从文件某一行开始读取数据时，在INFILE语句后用FIRSTOBS指定开始读取的行号。如需要从文件的第三行开始读取数据：

INFILE  'c:\Myrawdata\data.dat' FIRSTOBS=3;

当需要指定在文件的某一行结束读取数据时，在INFILE语句后用OBS指定读到哪一行。如，只读取文件第三到第五行的数据：

INFILE  'c:\Myrawdata\data.dat' FIRSTOBS=3 OBS=5;

当需要将文件中未赋值的变量读取为缺失值时，在INFILE语句后用MISSOVER。（在 input 语句中输入的几个变量，SAS 在观测值中就读取几个变量，如果一行未读完，则进入下一行直到输入的变量都读取了变量值。）
如对于学生的5门课程的成绩数据，由于有的学生没有选课所以没有成绩：

代码：

在INFILE函数的基础上，针对不同格式的外部数据以及读取所有数据还是部分数据INPUT语句中有不同的处理方法，以下分别说明：

2.1 读取所有数据

用空格分开的原始数据（list input）

list input的使用条件比较苛刻，适用于“简单”且“完美”的数据集，要求：

数据用空格分开
缺失值用“.”代替
字符串数据不包含空格
长度不超过 8 个字符
无日期变量或者其他需要特别处理的变量

INPUT A $ B C;

该语句读取A为字符型数据，B和C为数值型数据。

变量在固定列的原始数据（column input）

要求：

每个变量的值都出现在数据行的相同位置
变量值是字符串或者标准数值（只包含数据、小数点、正负号、和科学标注的 E。逗号和日期都不能算）

INPUT A $ 1-10 B 11-15 C $ 15-17;

这个语句中，字符型变量A在第1到10列，数值型变量B在第11到15列，字符型变量C在15到17列。

非标准格式的原始数据（informats input）

informats读取的三种格式：字符串、数值和日期
字符串读取格式：变量名 $w.
数值读取格式：变量名 w.d
日期读取格式：变量名日期格式w.
informats还有其它变量形式可选，可自行查询变量形式定义和使用格式。
其中，w为宽度，d为小数点位数。

INPUT A $10. B 3.2 C 3. D MMDDYY10.;

这个语句中，A为宽度为10的字符串，B为宽度为3、小数点位数为2的数值，C为宽度为3、无小数点位数的数值，D为格式为月日年宽度为10的日期。

混合读取方式

INPUT A $ 1-18 B $ C D YYMMDD11.;

这个语句中，A用的是column input，为在第1-18列的字符型数据；B用的是list input，为字符型数据；C用的是list input，为数值型数据；D用的是informats input，为宽度为11、格式为年月日的日期。

读取凌乱数据

@+符号、字符和数值列指示器，让程序直接从某列开始读取数据。
：在$w.前加:，让程序在遇到空格时结束读取。

对于AAAA BBBBB

INPUT A :$10.;

读取的是AAAA；

INPUT A $10.;

读取的是AAAA BBBBB。

INPUT @'[' A YYMMDD11. @'name:'  B $ @30 C :$10.;

这个语句中，A为’['后面的宽度为11的日期；B为’name:'后面的字符串；C为第30列开始的宽度为10的字符，且遇到空格停止读取。

/ 让程序跳至原始数据的第二行。
#n 让程序跳至原始数据的第n行。
INPUT语句末尾的@和@@ 行停留指示符，@能使 SAS 停留到下一个 input 语句，@@能使停留的时间到下一个data 步。

首先了解数据步的运行方式：数据步按照一行一行、一个观测值一个观测值的顺序执行
示意图：

data ch1;
input x@;
input y;
input z@@;
datalines;
1 2 3 4 5
6 7 8 9 10
11 12 13 14 15
;
run;
proc print data=ch1;
run;

对于这个例子，首先执行第一行1 2 3 4 5，x得到值1，@表示停留在第一行，y得到值2，@失效，执行第二行6 7 8 9 10，z得到值6，@@表示停留在第二行，再进入数据步，x得到值7，@@失效，@生效，y得到值8，@失效，执行第三行，z得到值11。

输出结果：

通过行停留指示符@，可以用IF语句来筛选数据进行读取：

码农公寓