第二章 導入數據到SAS | 格式規範數據讀取

目錄

• 2.1 導入數據的方法
• 2.2 利用導入嚮導讀入
• 2.3 格式規範數據讀取
  • 2.3.1 指定原始數據位置（infile）
  • 2.3.2 讀取空格分隔原始數據（列表輸入）
  • 2.3.3 讀取按列排列原始數據（列輸入）
  • 2.3.4 讀取非標準格式的原始數據（格式化輸入）
  • 2.3.5 混合的輸入樣式（列表輸入+列輸入+格式輸入）

2.1 導入數據的方法

將數據導入SAS的方法有不少，但能夠概括爲四個基本類別，其中方法二、3是須要掌握的重點。

1. 直接將數據輸入SAS數據集
   • 經過VIEWTABLE窗口（打開方式：工具 → 表編輯器），以表格形式導入
   • 經過SAS Enterprise Guide窗，以表格形式導入
2. 利用原始數據文件建立SAS數據集
   • 經過data步導入
   • 經過導入嚮導 或 有相似功能的import過程導入
3. 將其餘軟件的數據文件轉換成SAS數據集
   • 經過data步或import過程，把其餘類型的數據文件讀成SAS數據集
4. 直接讀取其餘軟件的數據文件

2.2 利用導入嚮導讀入

導入嚮導默認數據第一行做爲變量名稱，並會自動掃描文件來決定變量的類型

使用導入嚮導導數通常分如下幾個步驟：

• 啓動：文件 → 導入數據
• 選擇導入文件類型
• 選擇導入文件
• 選定分隔符：左擊options選擇，csv和製表符（Tab）分隔文件SAS會自動識別
• 指定邏輯庫和數據集名稱
• fish結束

2.3 格式規範數據讀取

2.3.1 指定原始數據位置（infile）

根據原始數據存儲的不一樣位置，能夠分爲內部原始數據、外部原始數據。用infile語句來指定元數數據位置。

內部原始數據

若是在SAS程序中輸入數據，則這些數據被稱爲內部原始數據，使用「datalines語句」代表它。需注意的是，datalines語句必須是data步最後一條語句，其後的全部行都將被視爲數據行，直到遇到一個分號（;）爲止。

*將內部原始數據讀入到SAS數據集;
data work.testdata;
    input president $ party $ number;    /* 輸入指定類型的3個變量 */
    datalines;                           /* 數據線 */
Adams F 2
Lincoln R 16
Grant R 18
kennedy D 35
;
run;

外部原始數據

更常見數據是保存在外部文件中，這時數據與程序是分離的，就稱爲外部原始數據。須要用「infile語句」告知SAS文件名和路徑，infile語句緊跟在data語句以後，input語句以前，且不一樣操做環境中路徑表示有差別：

操做環境	infile語句
windows	infile 'D:\code\test.dat';
unix	infile '/home/rds/test.dat';
os	infile 'mydir.test.dat';

長記錄

當從外部數據文件讀入數據時，務必記得「檢查日誌」，由於一些很是有價值的信息，會在日誌中體現，如觀測數、變量數、記錄最大/最小長度。

若外部文件中記錄長度超過了256個字符，且SAS沒有讀取到全部數據，這時能夠在infile語句中使用lrecl=選項，指定一個至少和數據文件中最長記錄等長的長度。

*從外部原始數據讀入數據到SAS數據集;
data work.testdata;
    infile infile 'D:\code\test.dat' lrecl = 300;   /* 指定記錄長度最大爲300個字符 */
    input president $ party $ number;
run;

2.3.2 讀取空格分隔原始數據（列表輸入）

若是原始數據文件中的全部值，都被至少一個空格分隔開，建議使用列表輸入（list input）讀入該原始數據，該方法也被稱爲自由格式輸入。

下面是列表輸入的優缺點：

• 優勢：簡單好用
• 缺點：
  • 只能讀取一條記錄中所有數據，不能跳過不須要的值
  • 若是有字符型數據，那它必須沒有內嵌空格，且長度不超過8個字符
  • 若是數據文件含日期、其餘特殊格式數據，那列表輸入不適用

特別注意，列表輸入也可用於讀取其餘分隔符數據文件，如逗號或製表符。而且，可使用length語句去覆蓋長度不超過8個字符的限制，使字符變量長度變成1 ~ 32767之間任意值。

INPUT語句

列表輸入是經過input語句實現數據讀入，語法規則以下：

• 在input關鍵字後，按照變量名稱出現順序依次列出它們
• 變量名稱符合命名規則
• 若變量爲字符類型，則在變量名稱後面加一個$
• 變量名稱之間至少留一個空格

示例：input toadname $ weight jump1 jump2 jump3;

*使用列表輸入，讀取數據文件ToadJump.dat;
data toads;
    infile 'D:\code\ToadJump.dat';
    input toadname $ weight jump1 jump2 jump3;
run;

proc print data = toads;
    title '蟾蜍跳躍比賽';
run;

2.3.3 讀取按列排列原始數據（列輸入）

列輸入和列表輸入相似，但適用範圍更廣，具備如下幾點優點：

• 值之間無須空格
• 缺失值能夠留空
• 字符型數據能夠內嵌空格
• 能夠跳過不須要的變量

一般調查數據、帶有街道地址的數據集，可採用列輸入讀取。

INPUT語句

列輸入也是經過input語句實現數據讀入，語法規則和列表輸入相似，區別在於變量以後須要列出該變量對應的列或者列範圍，用這些列表示數值或者字符在數據行中的位置。

示例：input Name ￥ 1-10 Age 11-13 Height 14-18;

2.3.4 讀取非標準格式的原始數據（格式化輸入）

先明確一個概念「標準格式數據」，只包含數字、小數點、正負符號、科學計數法E。其餘的都是非標準格式數據，常見的有：

• 日期

• 嵌入逗號的數字

• 嵌入$符號的數值

輸入格式

輸入格式的三個基本類型是：字符、數值、日期

字符	數值	日期
$informatw.	informatw.d	informatw.

$代表這是字符型輸入格式，imformat是該輸入格式的名稱，w是總寬度，d是小數位數（僅限數值型輸入格式），注意，必定不要少些了句點（.）。有兩個輸入格式沒有名稱：​

• $w. 用來讀取標準的字符型數據
• w.d 用來讀取標準的數值型數據

格式化輸入

在input語句的變量名稱以後放置輸入格式，稱爲格式化輸入。

示例：input name $10. age 3. height 5.1 birthdate mmddyy10. ;

先明確一個概念：爲每一個變量讀取的列，由起始點和輸入格式的寬度所決定。因此，上面的示例代碼就能解讀爲：

• name（$10.）：字符型數據，默認起始列在第1列，name數據在第1 ~ 10列
• age（3.）：數值型數據，起始列在第11列，日後取3列
• height（5.1）：數值型數據，起始列在第14列，日後取5列，小數位數爲1
• birthdate（mmddyy10.）：日期數據，格式爲月-日-年，能讀取諸如10-31-2013或10/31/2013格式的日期，起始列在第19列，日後取10列

*讀取非標準格式的原始數據;
data zdata.contest;
    infile 'D:\data\sas_file\pumpkin.dat';
    input name $16. age 3. +1 type $1. +1 date mmddyy10.  /* +1表示跳過一列 */
          (score1 score2 score3 score4 score5) (4.1);    
run;

有相同輸入格式，把變量和輸入格式分別放到括號中，輸入格式只列出一次 便可。

更多常見的常見輸入格式見page49，第二章 2.8 經常使用輸入格式。

2.3.5 混合的輸入樣式（列表輸入+列輸入+格式輸入）

前面學習了三種主要的輸入樣式：

• 列表輸入：最簡單
• 列輸入：稍微難一點
• 格式化輸入：最複雜

由於SAS中數據格式多種多樣，沒有一種輸入樣式能知足絕大多數需求。所，更多時候咱們採用混合的樣式輸入。

示例：input parkname $ 1-22 state $ year @40 acreage comma9. ;

上面的示例就採用了多種樣式的組合：

• parkname （$ 1-22）：列輸入
• state（$）：列表輸入
• year：列表輸入
• acreage （comma9）：格式化輸入

此外，還用了列指針，語法@n，n指SAS要移動到的列，經常使用來在一行數據裏向前或者向後移動，以調整數據讀取起始位置，應用場景有：

• 跳過不須要的數據
• 使用不一樣的輸入格式兩次讀取同一個變量