SAS導(dǎo)入外部文件方法匯總與程序剖析

1、SAS導(dǎo)入外部文件方法匯總與程序剖析蒲星月（天津商業(yè)大學(xué) ，天津 300134）摘 要 數(shù)據(jù)讀入是利用 SAS 軟件進(jìn)行數(shù)據(jù)分析等操作的最關(guān)鍵的一步 ，本文從 SAS 數(shù)據(jù)讀入三大方法（列輸入、列 表輸入和格式輸入法）出發(fā) ，以 SAS9.3 軟件版本為操作平臺 ，全面介紹了各種類型的文本文件數(shù)據(jù)導(dǎo)入 SAS 的程序。 面向初學(xué)者的角度 ，每種方法下均給出范例 ，并詳細(xì)解釋了所使用的語句和語法的含義。關(guān)鍵詞 SAS 導(dǎo)入 ；外部文件 ；方法匯總 ；程序剖析中圖分類號 ：TP3文獻(xiàn)標(biāo)識碼 ：A文章編號 ：1671-7597（2014）18-0119-031 引入數(shù)據(jù)的導(dǎo)入對使用 SAS 軟件來進(jìn)

2、行數(shù)據(jù)分析等是最開始 的一步 ，也是至關(guān)重要的一步。SAS 可以讀入包括文本文件、 Excel 表格文件、Access、DB2、Oracle 數(shù)據(jù)庫在內(nèi)的多種數(shù)據(jù) 文件。 其中 ，Excel 表格文件、Access、DB2、Oracle 數(shù)據(jù)庫 文件可以簡單地由 SAS 文件菜單導(dǎo)入數(shù)據(jù)選項的向?qū)瓿?； 而由于文本文件格式復(fù)雜 ，往往需要編程完成。根據(jù)數(shù)據(jù)類型 的不同 ，SAS 導(dǎo)入方法主要分為三大類 ：列表輸入、列輸入和 格式輸入法 ；當(dāng)然還有許多分散的語句、語法用于導(dǎo)入數(shù)據(jù)。 本文主要從這三大方法著重介紹文本文件數(shù)據(jù)的 SAS 導(dǎo)入程序。 其中 ，infile 語句是貫穿全文的最重要的語

3、句 ，infile 語句 的功能十分強(qiáng)大 ，本文只介紹最常用的一些。2 列表輸入（List Input）列表輸入用于讀已經(jīng)用分隔符分隔好的數(shù)據(jù)的方法 ：SAS 讀入一個變量下的數(shù)據(jù)直到遇到分隔符停止 ，然后移動到找到 下一個數(shù)字開始。缺省分隔符為空格 ，分隔符的不同 ，列表輸 入的程序會有很大不同。列表輸入只適用于數(shù)據(jù)長度為 8 字節(jié) 以下的數(shù)值型數(shù)據(jù)以及字符型數(shù)據(jù) 1，列表輸入不能讀日期型 數(shù)據(jù)。且不能有選擇的只讀取其中某些數(shù)據(jù)。2.1 空格作為分隔符空格作為分隔符的數(shù)據(jù)的讀入是最簡單的 ，因為 SAS 中 ， 默認(rèn)空格為缺省分隔符。這里的空格可以是一個或者多個。File 1: D:newe

4、mployee.txt假設(shè)有數(shù)據(jù) File1: “D:newemployee.txt”，其中每一列 分別代表某公司錄取的新職員的年齡 ，性別 ，身高（cm）和體 重（kg）。數(shù)據(jù)用一個空格隔開。SAS 程序為 ：data newemployee;infile D:newemployee.txt;input Age GenderHeight Weight; run;這個程序中 ，data 語句后面是這個數(shù)據(jù)存在 SAS 邏輯庫中的名字 ，這里 newemployee 數(shù)據(jù)存在 SAS 臨時數(shù)據(jù)庫 work 中。程序中的 infile 語句是用來告訴 SAS 源數(shù)據(jù)文件的地址 ； input 語句

5、告訴 SAS 源數(shù)據(jù)有多少個變量、變量的類型和名稱 ， 默認(rèn)的變量類型是數(shù)值型 ，因此數(shù)值型數(shù)據(jù)不用特別指明 ，直 接寫出變量名稱即可 ；其他類型的變量需要在變量名后面指出 其類型 ，字符型變量加“”。這個例子中 ，因為 Gender 性別 是字符型 ，所以在 Gender 后面加“”。由于分隔符是空格 ，所以需要注意每一個變量對應(yīng)的每一個數(shù)據(jù)中不能出現(xiàn)空格（比如外國人的名字 Lee Cooper）。另外， 若存在缺失值 ，且缺失值未做任何處理 ，只是用空格代替 ，是 行不通的 ；列表輸入下 ，必須在原數(shù)據(jù)上就處理好缺失值 ，比 如用“.”表示。2.2 逗號作為分隔符用逗號作為分隔符的文件在

6、叫“CSV” 文 件 ，是 comma- separated values 的縮寫 ，若用文本文件格式打開 ，會自動生 成作為分隔符的逗號。若 file1 中的分隔符全部由空格換成了 逗號 ，只需在 infile 語句后面加上“dsd”。dsd 是 delimiter-sensitive data 的縮寫 ，有如下三個作 用 ：第一 ，把缺省分隔符由空格改為逗號 ；第二 ，如果連續(xù)出 現(xiàn)兩個逗號 ，默認(rèn)之間有一個缺失值 ；第三 ，如果原數(shù)據(jù)中字 符型數(shù)據(jù)被引號引起來（無論是單引號還是雙引號），SAS 會把 引號去掉。程序如下 ：data newemployee;infile D:newempl

7、oyee.txt dsd; input Age Gender Height Weight;run;在設(shè)置了 dsd 的情況下 ，即使在逗號中又混合使用了空格 也不影響。因為列表輸入工作原理是一樣的 ，這里只是把缺省 分隔符換成了逗號 ，即默認(rèn)從某個數(shù)字開始讀 ，讀到逗號為止 ， 然后移動到找到下一個數(shù)字開始讀下一個數(shù)據(jù)。另外 ，若該數(shù)據(jù)文件的格式為 csv，那么除路徑結(jié)尾為 “.csv”外 ，仍可使用該程序。2.3 Tab 作為分隔符Tab 是制表跳格符 ，相當(dāng)于 8 個空格 ，其應(yīng)用相當(dāng)廣泛 ， 比如許多股票軟件（如“同花順”）導(dǎo)出的數(shù)據(jù)都是用 Tab 作為 分隔符的。若 file1 中的分

8、隔符全部由空格換成了 Tab，其導(dǎo)入 程序為 ：data newemployee;infile D:newemployee.txt' dlm=09x; input Age GenderHeight Weight;T技術(shù)應(yīng)用ECHNOLOGY APPLICATION run;這里在 infile 語句后添加的 dlm 是 delimiter 的縮寫 ，在 此處添加“dlm=”表示指定一種分隔符 ，等號后面即為制定的 分隔符。因為 Tab 的表現(xiàn)形式是 8 個空格 ，不可能在“dlm=” 后面輸入空格。所以 ，此處用“09x”表示 Tab 形式。需注 意的是 ，“09x” 是在 ASCII

9、 下的表現(xiàn)方式 ，運用于所有的 windows 平臺和 UNIX 操作系統(tǒng)。如果是在 EBCDIC 下的 Tab，則 用“05x”表示 ，即“dlm=05x”。2.4 其他分隔符除了 Tab 這種不可視的特殊分隔符以外的其他分隔符的列 表輸入法 ，都可以用前文提到的 dlm。比如 ，如果分隔符是“：”， 那么程序如下 ：data newemployee;infile D:newemployee.txt dlm=:; input Age Gender Height Weight;run;并且 ，dlm 還可以 dsd 同時使用 ，不分先后順序。這時 ， dsd 還是會有前文提到的三個作用 ，只是

10、其中的逗號會變成 dlm 后指定的分隔符號。3 列輸入（Column Input）不同于已經(jīng)使用分隔符分隔好的數(shù)據(jù) ，有很多數(shù)據(jù)集是沒 有用分隔符隔開的 ，這些數(shù)據(jù)的導(dǎo)入就不能使用列表輸入法。 這些數(shù)據(jù)往往將特定的信息存于固定的列中 ，這樣做的好處在 于 ，不必?fù)?dān)心缺失值的處理 ，并且當(dāng)你讀入 SAS 的時候可以有 選擇的讀入你需要的某些數(shù)據(jù)。讀這類數(shù)據(jù)可以采用列輸入或 者格式輸入法 ，這里先介紹列輸入法。列輸入是最簡單的用于導(dǎo)入不同變量有固定的某列或某幾 列的類型的數(shù)據(jù)。但只能讀字符型和標(biāo)準(zhǔn)數(shù)值型數(shù)據(jù)值 ，標(biāo)準(zhǔn) 數(shù)值型是指指包括數(shù)字、小數(shù)點、正負(fù)號或者 E 表達(dá)的數(shù)值 ， 比如 3.4E3，

11、而例如像表示金額的數(shù)值因為含有逗號或者貨幣符 號不是標(biāo)準(zhǔn)數(shù)值型數(shù)據(jù) ，因此不能使用列輸入法。File 3 D:salary.txt假設(shè)有數(shù)據(jù) File3:”D:salary.txt”。數(shù)據(jù)中的第一排是 人為添加上去 ，幫助數(shù)列數(shù)的 ，實際數(shù)據(jù)中并沒有該行。可以 數(shù)出 ，第 1-2 列是職工編號 ，第 3 列是性別 ，第 4-14 列是出生年月 ，第 15-22 列是職工基本工資 ，第 23-30 列是職工補(bǔ)貼 ， 這就是一個固定列數(shù)的數(shù)據(jù)。將這個數(shù)據(jù)集導(dǎo)入 SAS 的程序 如下 ：data salary;infile d:salary.txt;input No 1-2 Gender 3 DOB

12、 4-14 Salary 15-23 Welfare 26-32 Name 39-45; run;這里 ，infile 語句后面仍然緊跟源數(shù)據(jù)路徑 ，而 input 后 不再單純只跟變量名和類型了 ，還要再在變量名和類型后面加 上該變量指定的列數(shù)。需要注意的 ，源數(shù)據(jù)每一個觀測值（即 每一行）結(jié)尾的地方 ，也就是最后一個變量值一定要填滿規(guī)定 的列數(shù)。比如 salary 的例子中 ，最末列是變量 Name，在固定的 39-45 列 ；但 Sky 這個觀測值 ，只有三個字符 ，占第 40-43 列 ，那么還需要在其后加上兩個空格填滿第 44-45 列。如果不這樣 做 ，SAS 默認(rèn)讀完 Sky 三

13、個字符后 ，會以為這個觀測值還沒有 完 ，從而從第二行開始尋找 ，找到第二行的 12 來填滿所需求的 39-45 列 10 列的固定列 ，這是整個數(shù)據(jù)就產(chǎn)生了讀入混亂。解 決這個問題還可以把最末的數(shù)據(jù)右對齊 ，還可以調(diào)用 pad 語法。 若讀取列中只有空格或者“.”，那么 SAS 作缺失值處理。另外一點需要注意的是 ，因為列輸入只能讀字符型和標(biāo)準(zhǔn)數(shù)值 型 ，所以這里把出生日期處理為字符型數(shù)據(jù)。4 格式輸入（Formatted Input）格式輸入是最常用 ，也是最萬能的一種讀入數(shù)據(jù)的方法 ， 與列輸入一樣的是 ，它也是用于定義好固定列的數(shù)據(jù)。跟列輸 入和列表輸入對源數(shù)據(jù)有嚴(yán)格限制不同 ，用格式

14、輸入法輸入的 數(shù)據(jù)既可以是字符型或者標(biāo)準(zhǔn)數(shù)值型 ，也可以是非標(biāo)準(zhǔn)數(shù)值型（含逗號或貨幣符號）和各種格式的日期型數(shù)據(jù)。也就是說 ，只 要數(shù)據(jù)是不標(biāo)準(zhǔn)的數(shù)據(jù)但仍然有固定的列 ，就用格式輸入。假設(shè)還是輸入上面的數(shù)據(jù) ，這里為了更加詳細(xì)地了解貨幣 的輸入，在職工工資前面加上美元符號。這里需要注意一個問題， SAS 中只能顯示美元符號。若是文本文件輸入 ，帶其他貨幣符 號的數(shù)值會無法讀入 ；若是其他數(shù)據(jù)庫或者 excel 表格文件導(dǎo) 入 ，SAS 會自動轉(zhuǎn)換為美元符號。程序如下 ：data salary;infile D:salary.txt;input 1 No 2. 3 Gender 1. 5 DOB

15、 mmddyy10.16 salary dollar10.227 welfare 7.2 35 name 6.;run;程序中的 是格式輸入的標(biāo)志 ， 就像一個指針指向某一列， 比如 3 就是告訴 SAS 指向第 3 列的。指明列數(shù)以后 ，寫變量名 ， 變量名后面是該變量的格式 ，包括數(shù)據(jù)類型、位數(shù)。位數(shù)輸入 的標(biāo)準(zhǔn)格式應(yīng)該是“w.d”，“w”是該數(shù)據(jù)的總位數(shù)（包括符號 和小數(shù)），“d”是該數(shù)據(jù)的小數(shù)位數(shù) ；如果是整數(shù) ，那么 d 可以 輸為 0 或者不輸。比如 ，這個數(shù)據(jù)里的職工補(bǔ)貼 welfare 是一 個最長占 7 位（包括小數(shù)和點），其小數(shù)部分有兩位 ，則位數(shù)輸 入應(yīng)該是“7.2”。如

16、果是字符型數(shù)據(jù) ，除了指明位數(shù) ，還需要 在位數(shù)之前首先指明該數(shù)據(jù)類型 ，其格式應(yīng)該是“w.”這里 肯定沒有小數(shù)位數(shù) ，所以沒有 d。如果是日期型數(shù)據(jù) ，其格式有 多種 ，本文總結(jié)了所有類型的數(shù)據(jù)（見圖表 3）2。在 salary 這個數(shù)據(jù)中的出生日期是按照“mm/dd/yyyy（日 / 月 / 年）”組 織的 ，需要把這個格式告訴 SAS，所以程序中的“mmddyy10.” 就是這個作用 ，“10.”同樣指的是包括“/”一共占有 10 個字 符位。需要注意的是 ，日期型數(shù)據(jù)在 SAS 中的儲存是按照距離 1960年1月1 日有多少天來的 ，所以 salary2 這個數(shù)據(jù)在 SAS 中 ，如果

17、不做任何處理 ，顯示如圖表 1。其中 ，出生日期（DOB） 是按照計算到 1960年1月1 日的天數(shù)顯示的。比如 ，1960 年1 月 1 日就是 0。表1 表2 120 硅谷SAS格式源數(shù)據(jù)形式日 期 型datew.ddmmmyy/ddmmmyyyy（mmm為月份英文縮寫）datetimew.ddmmmyy hh:mm:ss.ssddmmyyw.ddmmyy/ddmmyyyyjulianw.yyddd/yyyyddd（Julian儒略日日期）mmddyymmddyy/mmddyyyytimew.hh:mm:ss.ss數(shù) 值 型w.d標(biāo)準(zhǔn)數(shù)值型hexw.16進(jìn)制數(shù)據(jù)讀入為浮點型數(shù)據(jù)ibw.d二

18、進(jìn)制數(shù)據(jù)percentw.百分?jǐn)?shù)commaw.d含逗號、貨幣符號的數(shù)據(jù)，負(fù)數(shù)表示為括號 的數(shù)據(jù)字 符 型charw.字符數(shù)據(jù)讀入不刪除前后空格hex16進(jìn)制數(shù)據(jù)轉(zhuǎn)化成字符型w.標(biāo)準(zhǔn)字符，刪除前空格5 列輸入法和格式法混合使用在前文中 ，格式化輸入中的格式定義可以運用到列輸入中。 這個方法針對那些有分隔符但是其中包含字符超過 8bytes 數(shù)值 型數(shù)據(jù)或者其中有日期型數(shù)據(jù)的文本文件或者 CSV 文件。File 5 D:salary2.txt假設(shè)有數(shù)據(jù)“D:salary2.txt” ，其中第一列是編號（首 位有 0，只能處理成字符型），第二列是姓名 ，第三列是出生日 期（日期型），第四列是工資。程

19、序如下 ：data salary2;infile D:salary2.txt dsd;input No :2. Name : 18. DOB : ddmmyy10. salary : dollar10.2;run;程序中“ ：”是該方法的標(biāo)志 ，告訴 SAS 讀入數(shù)據(jù)時候按 照“：”后面的格式讀入 ，但是遇到分隔符就停下。如果沒有“：”， SAS 會一直讀數(shù)據(jù) ，直到滿足后面的格式位置。這里還有一個問題 ，如果姓名里有空格隔開 ，而剛好分隔 符也為空格 ，那么還需要做如下處理 ：第一 ，源數(shù)據(jù)中的姓名 變量與后一項變量出生日期之間需要兩個或以上的空格 ；第二 ， 程序中 ，姓名后面的“ ：”改

20、為“&”。程序如下 ：data salary3;infile D:salary3.txt;input No :2.Name & 18. DOB : ddmmyy10.3 結(jié)論計算機(jī)網(wǎng)絡(luò)技術(shù)是人類社會發(fā)展的一個重要的文明成果 ， 它已經(jīng)滲透到社會的各個領(lǐng)域當(dāng)中 ，并且在其中發(fā)揮著十分重 要的作用。計算機(jī)網(wǎng)絡(luò)技術(shù)對社會的發(fā)展具有促進(jìn)的作用 ，已 逐漸成為推動社會發(fā)展的重要力量。各界都應(yīng)該掌握計算機(jī)網(wǎng) 絡(luò)技術(shù)的相關(guān)知識 ，并且需要科學(xué)合理地使用該先進(jìn)的計算機(jī) 網(wǎng)絡(luò)技術(shù) ，以促進(jìn)本行業(yè)能夠快速的發(fā)展和不斷進(jìn)步。參考文獻(xiàn)1譚同燦.計算機(jī)網(wǎng)絡(luò)技術(shù)的應(yīng)用及其發(fā)展J.計算機(jī)光盤軟salary

21、: dollar10.2; run;6 infile 語句補(bǔ)充語法有一些詞可以加在 infile 語句末 ，就像前文提到的 dsd 和 dlm 一樣。這些詞往往有特定的功能用來處理一些特殊的數(shù)據(jù) 輸入。并且這些詞都可以疊加使用。使用哪幾個就在 infile 語 句后面加上某幾個（順序不限）。1）firstobs。firstobs 用來指定從源數(shù)據(jù)文件的哪一行 開始導(dǎo)入。這個特別廣泛地用在源數(shù)據(jù)的第一行是變量名稱的 時候 ，或者正如前文在第一行加入了方便定列數(shù)的編碼的情況 下 ，這種情況下的程序 ：input源文件地址firstobs=2;2）obs。obs 用來指定導(dǎo)入的數(shù)據(jù)到源數(shù)據(jù)文件的哪一行 終止。這個廣泛應(yīng)用在某些程序測試或者誤差分析等情況下 ， 與 firstobs 功能對應(yīng)。假設(shè)這里只讀入 100 行以前的數(shù)據(jù) ，程 序為 ：input源文件地址obs=100;3）missover。missover 用在當(dāng)某一行的某些數(shù)據(jù)有缺失 ， 防止 sas 從第二行尋找來補(bǔ)足缺失的情況。具體來說 ，如果定 義的變量有十個 ，但某行只有 9 個 ，如果不用 missover，那么 SAS 會到下一行搜索第一個數(shù)據(jù)來補(bǔ)足十個 ，會導(dǎo)致后面的數(shù) 據(jù)都出錯 ，而 missover 就是阻止這種情況的。程序為 ：input源文