SAS学习系列03.-导入数据Ⅰ

03.导入数据ⅠSAS读取的数据的方法主要有以下几种：1.直接输入；表格形式输入数据，可以定义变量、设置属性；程序编辑器data步中直接输入；2.从原始数据文件中创建一个SAS数据集；data步可以读取任何形式的原始数据文件，也可以用导入向导（ImportWizard）、导入过程（IMPORTprocedure）3.将其他软件中的数据文件转换成SAS数据集；如果安装SAS/ACCESS模块，可以用导入过程和导入向导将Excel、Lotus、dBase和Access文件导入SAS数据集4.直接读取其他软件的数据集；SAS/ACCESS产品可以不用转换数据格式读取数据库管理系统，包括ORACLE,DB2,INGRES和SYBASE的数据；使用Excelengine、Accessengine和SPSSengine来读取其数据（一）直接输入1.打开【工具】——【表编辑器】，在表编辑器窗口以表格形式输入数据，可以定义变量、设置属性。（略）2.data步中直接输入（例如SAS介绍及基础篇中的例1）（二）用导入向导（ImportWizard）读取文件步骤：1.打开【文件】——【导入数据】，调出导入向导窗口；2.选择要导入的数据类型；3.指定要导入的文件位置，SAS默认第一行存放变量名，从第二行开始存放数据（Options可以改变这种默认选择）；4.选择数据集要存放的地址，并为数据集命名；5.（可选）创建一个procimport语句，可以执行它再次导入这个数据。（三）从外部文件导入数据一、读取空格或分隔符分开的数据语法：data数据集名;infile‘文件路径+文件名’可选参数;input变量1变量2…;注：infile语句告诉SAS外部数据的存放路径和文件名；示例：datastudents;infile'c:\MyRawData\Studens.dat'DLM=',';inputName$AgeHeight;注：这是创建临时数据集work.students，若要创建永久数据集，需要指定二级数据集名称。例如，libnamemyworks'D:\SASWorks';datamyworks.students;infile'c:\MyRawData\Studens.dat'DLM=',';inputName$AgeHeight;1.最简单的数据文件（1）至少被一个空格，缺失值用“.”表示；（2）字符串不含空格，少于8个字符；（SAS默认字符串是8个字符，多于8个字符需要指定列宽）例1读取路径c:\MyRawData\下的数据文件ToadJump.dat，内容如下：代码：datatoads;infile'c:\MyRawData\ToadJump.dat';inputToadName$WeightJump1Jump2Jump3;run;procprintdata=toads;title'SASDataSetToads';run;运行结果：注：（1）Nosiy的数据溢出到第二行了，但这不影响，SAS会按照变量顺序自动跳到下一行读取；（2）程序将不加选择的逐行逐列的读入所有数据记录。infile语句可以加上可选参数，2.MISSOVER选项（处理每行数据个数长短不一）input语句中输入的几个变量，SAS在观测值中就读取几个变量，如果一行未读完，则进入下一行直到输入的变量都读取了变量值。可以让SAS不进入下一行读取，未赋值的变量读为缺失值。例2读入下面数据（c:\MyRawData\AllScores.dat），一个学生应该有5门课的成绩，但由于最后两门是自学课程，不是所有学生都完成，故而缺失：此时就需要加上MISSOVER。代码：dataclass102;infile'c:\MyRawData\AllScores.dat'MISSOVER;inputName$Test1Test2Test3Test4Test5;run;procprintdata=class102;run;运行结果：3.DLM和DSD选项默认读入的数据是空格分隔，若是其它分隔符分隔，在infile语句中加上DLM=’分隔符’：逗号分隔——DLM=‘,’制表符分隔——DLM=’09’X（制表符的十六进制值是09）有时后面需要再加上DSD，有三个作用：a.忽略引号中数据的“假分隔符”（例2）；b.自动将字符串中的引号去掉；c.将两个相邻的分隔符当作缺失值来处理。例3读取路径c:\MyRawData\下的数据文件Bands.csv，内容如下：注意第3行引号中的逗号并不是分隔符，另外，每行数据长短不一样，所以还需要加上MISSOVER.代码：datamusic;infile'c:\MyRawData\Bands.csv'DLM=','DSDMISSOVER;inputBandName:$30.GigDate:MMDDYY10.EightPMNinePMTenPMElevenPM;run;procprintdata=music;title'CustomersatEachGig';run;运行结果：4.FIRSTOBS=mOBS=n选项有的数据文件包括数据的描述，需要用该选项告诉SAS从第m行开始读取到第n行结束。例4读取如下的数据文件（c:\MyRawData\IceCreamSales2.dat）：注意第3行到第5行是有效数据。代码：dataicecream2;infile'c:\MyRawData\IceCreamSales2.dat'FIRSTOBS=3OBS=5;inputFlavor$1-9LocationBoxesSold;run;procprintdata=icecream2;run;运行结果：二、读取按固定列排列的数据（1）同一变量的值都占据相同范围的列内；（2）变量值是字符串或者标准数值。注：标准数值是指数据、小数点、正负号、和科学计算法的E。逗号数据和日期都不是标准数值。比第1种的优势在于：不要求变量值之间有空格；缺失值可以直接用空格代替；字符串中可以包含空格；可以跳过不需要的变量。语法：input变量1n-m…;注：“n-m”表示变量1数据所占的列范围，第n列至第m列。示例：inputName$1-10Age11-13Height14-18;1.标准按固定列排列的数据例5读取路径c:\MyRawData\下的数据文件OnionRing.dat，内容如下：代码：datasales;infile'c:\MyRawData\OnionRing.dat';inputVisitingTeam$1-20ConcessionSales21-24BleacherSales25-28OurHits29-31TheirHits32-34OurRuns35-37TheirRuns38-40;run;procprintdata=sales;title'SASDataSetSales';run;运行结果：2.TRUNCOVER选项使用按固定列的input或控制格式（下节）的input输入时，若某行的数据（+空格）没有占到指定列的宽度，可能会转到下一行读取，此时必须用TRUNCOVER选项，以避免发生这种错误。例6读取如下数据（c:\MyRawData\Address.dat）：注意三行的长度都不一样，input中只能指定最长的一行。代码：datahomeaddress;infile'c:\MyRawData\Address.dat'TRUNCOVER;inputName$1-15Number16-19Street$22-37;run;procprintdata=homeaddress;run;运行结果：三、读取非标准格式的数据文件非标准格式的数据，包括日期数据、“8,765,432”、含美元符号、十六进制数等。语法：input变量名变量格式…;示例：inputName$10.Age3.Height5.1BirthDateMMDDYY10.;例7读取路径c:\MyRawData\下的数据文件Pumpkin.dat，内容如下：代码：datacontest;infile'c:\MyRawData\Pumpkin.dat';inputName$16.Age3.+1Type$1.+1DateMMDDYY10.(Score1Score2Score3Score4Score5)(4.1);run;procprintdata=contest;title'PumpkinCarvingContest';run;运行结果：程序说明：（1）“Name$10.”表示字符型变量Name，共占10列宽度，无小数位；（2）“Height5.1”表示数值型变量Height，共占5列宽度，其中1位小数位；（3）“+1”表示跳过一列，即原始数据中Age后面有一个空格；（4）“MMDDYY10.”共占10位的日期格式；（5）Score1Score2Score3Score4Score5五个变量格式相同，可以用小括号共同指定格式；附：变量格式及实例列表通常可以混合使用前面的三种方式，例如，例8读取路径c:\MyRawData\下的数据文件NatPark.dat，内容如下：代码：datanationalparks;infile'c:\MyRawData\NatPark.dat';inputParkName$1-22State$Year@40AcreageCOMMA9.;run;procprintdata=nationalparks;title'SelectedNationalParks';run;运行结果：程序说明：符号“@”是列指示器，“@40”告诉SAS在读取Acerage变量之前，移动到第40列去；若没有“@40”，Comma9告诉SAS读取9列，将会读取包括空格在内的9列，这便会导致输出结果有问题：四、读取凌乱的数据有的数据排列混乱，长度不一，不知道从哪列开始，但是要读取的数据前面的字符或单词是固定的。可以利用列指示器“@”+固定字符串，定位位置来读取数据。语法：input@‘字符串’变量名…;示例：input@'Breed:'DogBreed$;另外，input读取字符串变量默认为8个字符，若超过8个字符，则需要定义长度，定义为$length，在该长度中，空格也算在内。若要使SAS读取过程中遇到空格则不再继续读取，则要在$length.前面加冒号“:”。比如原始数据中有这么一行：MydogSamBreed:RottweilerVetBills:$478用下述述不同方法读取，会有不同结果：例9读取路径c:\MyRawData\下的数据文件Canoes.dat，内容如下：读取学校名和时间。代码：datacanoeresults;infile'c:\MyRawData\Canoes.dat';input@'School:'School$@'Time:'RaceTime:STIMER8.;run;procprintdata=canoeresults;titleConcreteCanoeMen'sSprintResults;run;运行结果：（注意：时间转化为以秒为单位）程序说明：（1）@’School:’和@’Time:’来指定读取学校名和时间的起始位置；（2）由于Time占的字节数不同，用了冒号修饰符，:STIMER8.来读取时间，STIMER8是时间格式。若没有冒号修饰符，当遇到字符位数不够时，SAS将会跳到下一个数据行去接着读取，输出错误结果：例10读取路径c:\MyRawData\下的数据文件weblogs.txt，内容如下：读取其中的访问日期和访问的文件名。代码：dataweblogs;infile'C:\MyRawData\weblogs.txt';input@'['AccessDateDATE11.@'GET'File:$20.;procprintdata=weblogs;title'DogCareWebLogs';run;运行结果：五、读取非“一行一个观测值”数据、有选择地读取观测值1.跨行观测值数据