SAS （統(tǒng)計分析軟件）課件：第5章 數(shù)據(jù)步讀入原始數(shù)據(jù)

1、第5章 數(shù)據(jù)步讀入原始數(shù)據(jù)原始數(shù)據(jù)分類 原始數(shù)據(jù)一般分為字符和數(shù)值兩種類型，數(shù)值數(shù)據(jù)又分為標(biāo)準(zhǔn)數(shù)值數(shù)據(jù)和非標(biāo)準(zhǔn)數(shù)值數(shù)據(jù)。標(biāo)準(zhǔn)數(shù)據(jù)是由字符或者數(shù)值組成的可以被列表、列、格式化、命名輸入方式讀入的數(shù)據(jù)如ARKANSAS,1166.42。非標(biāo)準(zhǔn)數(shù)據(jù)只能在輸入格式的幫助下讀入的數(shù)據(jù)。如非標(biāo)準(zhǔn)的數(shù)值數(shù)據(jù)，可能包含逗號，空格等符號。日期和時間數(shù)值。十六進(jìn)制和二進(jìn)制數(shù)值。標(biāo)準(zhǔn)數(shù)值數(shù)據(jù)只包含數(shù)字,小數(shù)點或負(fù)號。非標(biāo)準(zhǔn)數(shù)值數(shù)據(jù)則包含其它的特殊字符，如千分號，美元符號等。 讀取數(shù)值數(shù)據(jù)的規(guī)則數(shù)值前面的括號或者減號符號表示該數(shù)值為負(fù)。首位有一個或者多個零不影響對相應(yīng)變量的賦值。SAS不把數(shù)值尾部的空格默認(rèn)為0。數(shù)值

2、數(shù)據(jù)的前后都可以有空格，但是數(shù)字中間不能有（除非用COMMA. 或BZ.格式讀入）。字符數(shù)據(jù) 字符數(shù)據(jù)是由一系列字符組成的數(shù)據(jù)。下面任一種情況下，INPUT語句認(rèn)定讀入變量的值是字符值。INPUT語句中變量名后跟一個美元符號$；使用字符輸入格式；要讀入數(shù)據(jù)的變量已經(jīng)被定義為字符值。原始數(shù)據(jù)呈現(xiàn)形式 原始數(shù)據(jù)的呈現(xiàn)形式一般分為呈現(xiàn)在SAS編輯窗口的數(shù)據(jù)行，和儲存在外部文件中的原始數(shù)據(jù)例5.1 編輯窗口下，數(shù)據(jù)行形式的原始數(shù)據(jù)。data weight; input PatientID $ Week1 Week8 Week16; loss=Week1-Week16; datalines;2477 1

3、95 177 1632431 220 213 1982456 173 166 1552412 135 125 116;例5.2 儲存在外部文件中的原始數(shù)據(jù)，TXT文本格式。-1-22477 195 177 1632431 220 213 1982456 173 166 1552412 135 125 116使用INPUT語句讀入原始數(shù)據(jù) INPUT語句的用途有兩方面：讀入外部數(shù)據(jù)文件中的數(shù)據(jù)；讀入CARDS語句后面的數(shù)據(jù)。 INPUT語句的五種輸入方式 簡單方式：INPUT ; 列方式：INPUT variable start-column ; 格式化方式：INPUT variable inf

4、ormat. ; INPUT (variable-list) (informat-list) ; INPUT (variable-list) ( informat.); 列表方式：INPUT variable ; INPUT variable ; 命名方式：INPUT variable= ; INPUT variable= start-column ; INPUT variable=informat. ; 選項說明specification(s)變量及其格式的詳細(xì)說明variable-list列出要讀入數(shù)據(jù)值的變量執(zhí)行下一個INPUT語句時指針移到下一記錄行，要求一條記錄必須對應(yīng)一個數(shù)據(jù)行執(zhí)行

5、下一個INPUT語句時指針保持在當(dāng)前記錄行，不要求一條記錄對應(yīng)一個數(shù)據(jù)行$ 定義字符型變量start-column規(guī)定變量值在記錄行中的起始列end-column規(guī)定變量值在記錄行中的終止列decimalplaces小數(shù)點位置pointer-control 移動輸入指針到指定的行或列上informat 列出變量的輸入格式；informat-list -列出變量列表對應(yīng)的輸入格式列表decimals規(guī)定小數(shù)部分的位數(shù)列方式輸入 語句格式INPUT variable start-column ; 設(shè)定變量名稱，為可選項，如果選擇$則表示這是一個字符變量。而start-column 表示該變量在記錄

6、行中的起始列（終止列）。例5.3 使用列方式輸入數(shù)據(jù)。data scores;infile datalines truncover;input name $ 1-10 sex $11 age 12-15 ;datalines;Justine F 12Bob M 13;-+-1-+-2-+-3-+- 例中，規(guī)定記錄行的第1到10列為變量NAME的輸入值，11列為變量SEX的輸入值，12到15列為變量AGE的輸入值。NAME和SEX為字符型變量。列方式輸入使用條件原始數(shù)據(jù)輸入值的位置在每個記錄行相同的列中; 原始數(shù)據(jù)輸入值是標(biāo)準(zhǔn)的數(shù)值格式或一般字符格式。列方式輸入的特點原始數(shù)據(jù)輸入值可以按任意順序

7、讀??；字符型原始數(shù)據(jù)中間可以有空格；可以重復(fù)讀取原始數(shù)據(jù)記錄行的某一部分。讀入的數(shù)據(jù)值不需要用空格或者其它分隔符隔開。列表方式輸入 簡單列表方式輸入INPUT variable ; 調(diào)整列表方式輸入INPUT variable ;列表方式輸入使用條件輸入數(shù)據(jù)值之間至少有一個空格隔開；用小數(shù)點表示表示缺失值；字符型值的默認(rèn)長度為8個字節(jié)，也可以用LENGTH, ATTRIB, INFORMAT語句規(guī)定長度；數(shù)據(jù)必須是字符數(shù)據(jù)或標(biāo)準(zhǔn)的數(shù)值數(shù)據(jù)。列表方式輸入格式修飾符 :當(dāng)原始數(shù)據(jù)是以空格為分隔符時，要想對變量值長度不一致的變量規(guī)定統(tǒng)一長度就必須用到該格式修飾符。規(guī)定變量值是從非空格列中讀取， 直到

8、第一次遇到以下三種情況之一，該變量值的讀取過程才結(jié)束： 下一個空格列； 達(dá)到變量預(yù)先設(shè)定的長度（如果沒有預(yù)先設(shè)定變量長度就是SAS默認(rèn)字符長度8個字節(jié)）； 數(shù)據(jù)行結(jié)束。例5.5 空格為分隔符時，對變量值長度不一致的變量規(guī)定統(tǒng)一長度。data;input Univ : $12. Plc$ Zip ;cards;MIT Boston 100023 TsinghuaUniv Beijing 100084;例中，第一個觀測變量Univ的值為MIT(只讀3個字符，因遇到空格而結(jié)束)第二個觀測值為TsinghuaUniv(得到先前定義的變量長度12)。如果只對變量Univ規(guī)定長度，而不加格式修飾符(:)，

9、在讀入第一條記錄時就會出錯，如果不對變量Univ規(guī)定長度，讀入第二條記錄時就會只讀入Tsinghua，而不是預(yù)先要讀入的TsinghuaUniv，這是因為SAS默認(rèn)的字符變量的存儲長度就是8個字節(jié)。UnivPlcZipMITBoston100023TsinghuaUnivBeijing100084加格式修飾符(:)不加格式修飾符(:)UnivPlc ZipMIT Boston 100023 .&字符型輸入值可能包含一個或幾個空格。因為空格是列表讀入方式默認(rèn)的分隔符，所以，如果要讀入的數(shù)據(jù)值本身包括空格時就必須用此格式符。例5.6 空格為分隔符時，字符型輸入值嵌有空格。data ;input n

10、ame & $12. age;cards;Jiang Zhu 20Annie Zheng 31I. Altman 60;run;例中，第一個觀測name 中Jiang Zhu (包含一個空格)，第二個觀測為Annie Zheng （包含一個空格)。分隔符為兩個空格。注意：因&有以上特性，數(shù)據(jù)之間應(yīng)該用兩個以上的空格隔開。規(guī)定讀入字符值時保留引號。此選項只在INFILE語句中與選項DSD一起使用時才有效。注意：DSD選項在第六章會有詳細(xì)介紹。這里先說明它的4個功能： 將默認(rèn)分隔符改為逗號； 對于連續(xù)的兩個分隔符，中間按缺失值處理； 將字符變量值的引號去掉； 對引號里的分隔符按字符來對待。所以IN

11、FILE語句中的DSD選項自動把數(shù)據(jù)記錄的分隔符設(shè)置為逗號，并且讀入數(shù)據(jù)之前，把字符數(shù)據(jù)中的引號去掉，若加上就會保留數(shù)據(jù)中的引號。可以通過下面的這個例子來理解DSD和的作用。例5.7 DSD和的作用，讀入字符值時保留引號。 只在INFILE語句中與選項DSD一起使用時才有效。data topics2;infile datalines dsd;input speakers : $15. title $40. location & $10.;datalines;Song, Credit Derivatives, Room 329Zhu, Credit Risk Management, Room 4

12、06;proc print;run;由上例可以看出，“”包含“:”選項的功能。例中，雖然title變量的長度是40，而觀測值得長度都不到40，仍然可以得到正確結(jié)果。所以“”包含 “:”的功能。 把speakers后面的“:”改成了“”也可以。例如：data topics2;infile datalines dsd;input speakers $15. title $40. location & $10.;datalines;Song, Credit Derivatives, Room 329Zhu, Credit Risk Management, Room 406;proc print;ru

13、n;輸出窗口信息:Obs speakers title location 1 Song Credit Derivatives Room 329 2 Zhu Credit Risk Management Room 406 但是，若把title后成的“”改成 “:”，引號就因為dsd選項的存在被去掉。如下:data topics2;infile datalines dsd;input speakers : $15. title :$40. location & $10.;datalines;Song, Credit Derivatives, Room 329Zhu, Credit Risk Man

14、agement, Room 406;proc print;run;輸出窗口信息Obs speakers title location 1 Song Credit Derivatives Room 329 2 Zhu Credit Risk Management Room 406格式化方式輸入 格式化輸入方式是INPUT語句讀取非標(biāo)準(zhǔn)數(shù)據(jù)的唯一方法。即在變量名后面規(guī)定輸入格式。這種輸入方式不僅給出了該輸入數(shù)據(jù)所對應(yīng)的類型，而且給出了輸入數(shù)據(jù)所在列的長度。語句格式：INPUT variable informat. ; INPUT (variable-list) (informat-list) ;

15、INPUT (variable-list) ( informat.); 其中：n*規(guī)定在輸入列表中后面的輸入格式重復(fù)n次。例5.8 格式化方式輸入。data;infile datalines;Input (X1-X5) (3*7.2, 2*5.2);.例中，前3個變量X1-X3的格式為7.2，而后2個變量X4-X5的格式為5.2例5.9 讀入非標(biāo)準(zhǔn)數(shù)據(jù)$1,000.22。data one;input x comma9.2;datalines;$1,000.22;run;例中，讀入的數(shù)據(jù)為1000.22，這里要注意長度，該數(shù)據(jù)符號加上數(shù)字一共是九列。命名方式輸入 如果數(shù)據(jù)行中含有變量的名字，后面

16、跟著等號和變量的值，讀取數(shù)據(jù)時應(yīng)該使用命名輸入方式。語句格式INPUT variable= ; INPUT variable= start-column ; INPUT variable=informat. ; 其中：variable=規(guī)定用于INPUT語句讀入的變量名。例5.11 使用命名輸入格式。data a;input date yymmdd10. fullshr stkcd=$ lstknm=$ ;cards;2001-01-18 1486553100 stkcd=600001 lstknm=邯鄲鋼鐵;run;一旦input語句開始使用命名輸入格式，后面變量要是不采用命名輸入格式，讀入數(shù)據(jù)時出錯。data a;input date yymmdd10. stkcd=$ lstknm=$ full