《The Little SAS Book》学习笔记—Chapter2(2) DATA步中常见的读取数据方式

内容参考书籍：《The Little SAS Book》中文版

在SAS程序中，使用DATA步进行数据的读取和创建SAS数据集是一种常见的方式，接下来，将根据原数据的内容的格式不同，介绍SAS程序DATA步常见的几种数据读取形式。

读取空格分割的原始数据（列表输入）

空格分割数据示意图（来源：《The Little SAS Book》中文版）

• 适用情形：原始文件中数据与数据之间至少存在一个空格分割符，合适的方式是使用列表输入读取该数据。
• 局限性：

1. 读取全部数据，无法跳过部分数据；
2. 原始数据缺失值需要使用.进行标识；
3. 字符型数据内部不能内嵌空格，长度小于8字符；
4. 日期等特殊类型数据不适用。

• 使用：
  在DATA步中，只需在INPUT关键字后面按照原数据中出现的顺序罗列出变量名称。
• 示例
  原数据存储位置d:/mydata/test.dat, 文件内容如下：

Jack 16 . 57
Tom 17 . .
Lily 18 165 50
David 18 178 67

在DATA步中使用INPUT关键字读取：

*创建一个名为test的数据集;
*使用列表读入，读取test.dat数据文件;
DATA test;
  INFILE 'd:/mydata/test.dat';
  INPUT name $ age height weight;
RUN;
*打印数据以确保被正确读取;
PROC PRINT data = test;
  TITLE "SAS test data set";
RUN;

• 打印结果
  打印输出的结果如下表所示：

• 说明
  在原数据中空格分割的缺失值，在打印结果的表中以.显示。

读取按列排列的原始数据（按列输入）

按列排列数据示意图（来源：《The Little SAS Book》中文版）

• 适用情形：

1. 每个变量值能在数据行的相同位置找到，值之间可以无需空格；
2. 变量值之间或者缺失值没有分隔符或者点标识，缺失值可以留空；
3. 字符数据可以内嵌空格 ；
4. 可以跳过不需要的变量；

• 局限性：

1. 所有值必须是字符型或者标准数值型，即：数字，小数点，正负号和E；
2. 带有内嵌逗号和日期格式数据不适用。

• 使用：
  在DATA步中，只需在INPUT关键字列出变量名，留出空格后，标明变量对应的列范围；如果是字符型，则在变量名后留出空格标注$符号，再标明变量对应的列范围。
• 示例
  示例数据是书中的数据，最顶部的标尺是为了方便确定列数，原数据内容如截图所示：
  

  按列排列数据示例（来源：《The Little SAS Book》中文版）

在DATA步中使用INPUT关键字读取：

DATA test;
  INFILE 'd:/mydata/test.dat';
  INPUT VisitingTeam $ 1-20 ConcessionSales 21-24 BleacherSales 25-28 OurHits 29-31 TheirHits 32-34 OurRuns 35-37 TheirRuns 38-40;
RUN;
PROC PRINT data = test; /*打印数据以确保被正确读取*/
  TITLE "SAS test data set";
RUN;

• 打印结果
  

  示例数据打印结果

读取非标准格式的原始数据（格式化输入）

SAS中的标准格式只有两种类型，字符型和数值型。但是日常使用过程中还需遇到像日期和内嵌逗号的数值等数据。这个时候简单的列表读取会导致数据格式有误。在SAS中通过使用输入格式告知计算机如何解读这些数据。

读取非标准格式数据示意图（来源：《The Little SAS Book》中文版）

• 适用情形：

1. 非标准格式数据，如内嵌逗号和美元符号的数值，十六进制或者压缩十进制数据；
2. 日期数据的读取，SAS实际是把日期数据转换成了和1960年1月1日的天数差作为数值进行存储。

• 使用：
  SAS中输入格式的三个基本类型是：字符型、数值和日期。一般形式是：

字符                                           
$INFORMATw.          
数值
INFORMATw.d
日期
INFORMATw.

1. $符号标识字符型，INFORMAT是格式，w.指明长度；
2. 在数值型输入格式中，w指明长度，d指明小数点后的位数；
3. 句点对于格式中长度的规定很重要，没有句点，w会被解释为格式名；
   4.$w.用来读取标准的字符型数据，w.d用来读取标准的数值型数据；

• 示例
  原数据存储位置d:/mydata/test.dat, 文件内容如下：

Wang Xiaoming 14 10-10-2016 4.45 4.35 4.75 4.32 4.36
Li Lei        17 15-10-2016 4.17 4.75 4.32 4.75 4.75
Zhao Xiaoli   15 16-10-2016 4.11 4.17 4.75 4.75 4.11
Liu Linlin    16 12-10-2016 4.56 4.35 4.75 4.11 4.17

使用规定输入格式在DATA步中使用INPUT关键字读取上述的数据，注意也可以用其他方式读取：

DATA test;
INFILE "d:/mydata/test.dat";
INPUT name $13. age 2. +1 birthday DDMMYY10. +1 (Score1 Score2 Score3 Score4 Score5) (4.2);
RUN;
PROC PRINT data = test;
RUN;

• 打印结果
  打印输出的结果如下表所示：

• 说明
• 变量name的格式是$13.，它表示一个宽度为13列的字符变量；
• 变量age的输入格式是2.，表示一个宽度为2列的数值变量，只有整数部分，没有小数部分;
• 变量birthday的输入格式是DDMMYY10.，它表示了10列宽度的日-月-年形式的日期数据；
• 其它的变量Score1到Score5的格式都是4.2，把这几个变量名放在了同一个小括号里，就可以在随后的小括号里只规定一次便适用于所有的变量。