SAS导入外部文件方法汇总与程序剖析

1、SAS导入外部文件方法汇总与程序剖析蒲星月（天津商业大学 ，天津 300134）摘 要 数据读入是利用 SAS 软件进行数据分析等操作的最关键的一步 ，本文从 SAS 数据读入三大方法（列输入、列 表输入和格式输入法）出发 ，以 SAS9.3 软件版本为操作平台 ，全面介绍了各种类型的文本文件数据导入 SAS 的程序。 面向初学者的角度 ，每种方法下均给出范例 ，并详细解释了所使用的语句和语法的含义。关键词 SAS 导入 ；外部文件 ；方法汇总 ；程序剖析中图分类号 ：TP3文献标识码 ：A文章编号 ：1671-7597（2014）18-0119-031 引入数据的导入对使用 SAS 软件来进

2、行数据分析等是最开始 的一步 ，也是至关重要的一步。SAS 可以读入包括文本文件、 Excel 表格文件、Access、DB2、Oracle 数据库在内的多种数据 文件。 其中 ，Excel 表格文件、Access、DB2、Oracle 数据库 文件可以简单地由 SAS 文件菜单导入数据选项的向导完成 ； 而由于文本文件格式复杂 ，往往需要编程完成。根据数据类型 的不同 ，SAS 导入方法主要分为三大类 ：列表输入、列输入和 格式输入法 ；当然还有许多分散的语句、语法用于导入数据。 本文主要从这三大方法着重介绍文本文件数据的 SAS 导入程序。 其中 ，infile 语句是贯穿全文的最重要的语

3、句 ，infile 语句 的功能十分强大 ，本文只介绍最常用的一些。2 列表输入（List Input）列表输入用于读已经用分隔符分隔好的数据的方法 ：SAS 读入一个变量下的数据直到遇到分隔符停止 ，然后移动到找到 下一个数字开始。缺省分隔符为空格 ，分隔符的不同 ，列表输 入的程序会有很大不同。列表输入只适用于数据长度为 8 字节 以下的数值型数据以及字符型数据 1，列表输入不能读日期型 数据。且不能有选择的只读取其中某些数据。2.1 空格作为分隔符空格作为分隔符的数据的读入是最简单的 ，因为 SAS 中 ， 默认空格为缺省分隔符。这里的空格可以是一个或者多个。File 1: D:newe

4、mployee.txt假设有数据 File1: “D:newemployee.txt”，其中每一列 分别代表某公司录取的新职员的年龄 ，性别 ，身高（cm）和体 重（kg）。数据用一个空格隔开。SAS 程序为 ：data newemployee;infile D:newemployee.txt;input Age GenderHeight Weight; run;这个程序中 ，data 语句后面是这个数据存在 SAS 逻辑库中的名字 ，这里 newemployee 数据存在 SAS 临时数据库 work 中。程序中的 infile 语句是用来告诉 SAS 源数据文件的地址 ； input 语句

5、告诉 SAS 源数据有多少个变量、变量的类型和名称 ， 默认的变量类型是数值型 ，因此数值型数据不用特别指明 ，直 接写出变量名称即可 ；其他类型的变量需要在变量名后面指出 其类型 ，字符型变量加“”。这个例子中 ，因为 Gender 性别 是字符型 ，所以在 Gender 后面加“”。由于分隔符是空格 ，所以需要注意每一个变量对应的每一个数据中不能出现空格（比如外国人的名字 Lee Cooper）。另外， 若存在缺失值 ，且缺失值未做任何处理 ，只是用空格代替 ，是 行不通的 ；列表输入下 ，必须在原数据上就处理好缺失值 ，比 如用“.”表示。2.2 逗号作为分隔符用逗号作为分隔符的文件在

6、叫“CSV” 文 件 ，是 comma- separated values 的缩写 ，若用文本文件格式打开 ，会自动生 成作为分隔符的逗号。若 file1 中的分隔符全部由空格换成了 逗号 ，只需在 infile 语句后面加上“dsd”。dsd 是 delimiter-sensitive data 的缩写 ，有如下三个作 用 ：第一 ，把缺省分隔符由空格改为逗号 ；第二 ，如果连续出 现两个逗号 ，默认之间有一个缺失值 ；第三 ，如果原数据中字 符型数据被引号引起来（无论是单引号还是双引号），SAS 会把 引号去掉。程序如下 ：data newemployee;infile D:newempl

7、oyee.txt dsd; input Age Gender Height Weight;run;在设置了 dsd 的情况下 ，即使在逗号中又混合使用了空格 也不影响。因为列表输入工作原理是一样的 ，这里只是把缺省 分隔符换成了逗号 ，即默认从某个数字开始读 ，读到逗号为止 ， 然后移动到找到下一个数字开始读下一个数据。另外 ，若该数据文件的格式为 csv，那么除路径结尾为 “.csv”外 ，仍可使用该程序。2.3 Tab 作为分隔符Tab 是制表跳格符 ，相当于 8 个空格 ，其应用相当广泛 ， 比如许多股票软件（如“同花顺”）导出的数据都是用 Tab 作为 分隔符的。若 file1 中的分

8、隔符全部由空格换成了 Tab，其导入 程序为 ：data newemployee;infile D:newemployee.txt' dlm=09x; input Age GenderHeight Weight;T技术应用ECHNOLOGY APPLICATION run;这里在 infile 语句后添加的 dlm 是 delimiter 的缩写 ，在 此处添加“dlm=”表示指定一种分隔符 ，等号后面即为制定的 分隔符。因为 Tab 的表现形式是 8 个空格 ，不可能在“dlm=” 后面输入空格。所以 ，此处用“09x”表示 Tab 形式。需注 意的是 ，“09x” 是在 ASCII

9、 下的表现方式 ，运用于所有的 windows 平台和 UNIX 操作系统。如果是在 EBCDIC 下的 Tab，则 用“05x”表示 ，即“dlm=05x”。2.4 其他分隔符除了 Tab 这种不可视的特殊分隔符以外的其他分隔符的列 表输入法 ，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 还可以 dsd 同时使用 ，不分先后顺序。这时 ， dsd 还是会有前文提到的三个作用 ，只是

10、其中的逗号会变成 dlm 后指定的分隔符号。3 列输入（Column Input）不同于已经使用分隔符分隔好的数据 ，有很多数据集是没 有用分隔符隔开的 ，这些数据的导入就不能使用列表输入法。 这些数据往往将特定的信息存于固定的列中 ，这样做的好处在 于 ，不必担心缺失值的处理 ，并且当你读入 SAS 的时候可以有 选择的读入你需要的某些数据。读这类数据可以采用列输入或 者格式输入法 ，这里先介绍列输入法。列输入是最简单的用于导入不同变量有固定的某列或某几 列的类型的数据。但只能读字符型和标准数值型数据值 ，标准 数值型是指指包括数字、小数点、正负号或者 E 表达的数值 ， 比如 3.4E3，

11、而例如像表示金额的数值因为含有逗号或者货币符 号不是标准数值型数据 ，因此不能使用列输入法。File 3 D:salary.txt假设有数据 File3:”D:salary.txt”。数据中的第一排是 人为添加上去 ，帮助数列数的 ，实际数据中并没有该行。可以 数出 ，第 1-2 列是职工编号 ，第 3 列是性别 ，第 4-14 列是出生年月 ，第 15-22 列是职工基本工资 ，第 23-30 列是职工补贴 ， 这就是一个固定列数的数据。将这个数据集导入 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;这里 ，infile 语句后面仍然紧跟源数据路径 ，而 input 后 不再单纯只跟变量名和类型了 ，还要再在变量名和类型后面加 上该变量指定的列数。需要注意的 ，源数据每一个观测值（即 每一行）结尾的地方 ，也就是最后一个变量值一定要填满规定 的列数。比如 salary 的例子中 ，最末列是变量 Name，在固定的 39-45 列 ；但 Sky 这个观测值 ，只有三个字符 ，占第 40-43 列 ，那么还需要在其后加上两个空格填满第 44-45 列。如果不这样 做 ，SAS 默认读完 Sky 三

13、个字符后 ，会以为这个观测值还没有 完 ，从而从第二行开始寻找 ，找到第二行的 12 来填满所需求的 39-45 列 10 列的固定列 ，这是整个数据就产生了读入混乱。解 决这个问题还可以把最末的数据右对齐 ，还可以调用 pad 语法。 若读取列中只有空格或者“.”，那么 SAS 作缺失值处理。另外一点需要注意的是 ，因为列输入只能读字符型和标准数值 型 ，所以这里把出生日期处理为字符型数据。4 格式输入（Formatted Input）格式输入是最常用 ，也是最万能的一种读入数据的方法 ， 与列输入一样的是 ，它也是用于定义好固定列的数据。跟列输 入和列表输入对源数据有严格限制不同 ，用格式

14、输入法输入的 数据既可以是字符型或者标准数值型 ，也可以是非标准数值型（含逗号或货币符号）和各种格式的日期型数据。也就是说 ，只 要数据是不标准的数据但仍然有固定的列 ，就用格式输入。假设还是输入上面的数据 ，这里为了更加详细地了解货币 的输入，在职工工资前面加上美元符号。这里需要注意一个问题， SAS 中只能显示美元符号。若是文本文件输入 ，带其他货币符 号的数值会无法读入 ；若是其他数据库或者 excel 表格文件导 入 ，SAS 会自动转换为美元符号。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 是格式输入的标志 ， 就像一个指针指向某一列， 比如 3 就是告诉 SAS 指向第 3 列的。指明列数以后 ，写变量名 ， 变量名后面是该变量的格式 ，包括数据类型、位数。位数输入 的标准格式应该是“w.d”，“w”是该数据的总位数（包括符号 和小数），“d”是该数据的小数位数 ；如果是整数 ，那么 d 可以 输为 0 或者不输。比如 ，这个数据里的职工补贴 welfare 是一 个最长占 7 位（包括小数和点），其小数部分有两位 ，则位数输 入应该是“7.2”。如

16、果是字符型数据 ，除了指明位数 ，还需要 在位数之前首先指明该数据类型 ，其格式应该是“w.”这里 肯定没有小数位数 ，所以没有 d。如果是日期型数据 ，其格式有 多种 ，本文总结了所有类型的数据（见图表 3）2。在 salary 这个数据中的出生日期是按照“mm/dd/yyyy（日 / 月 / 年）”组 织的 ，需要把这个格式告诉 SAS，所以程序中的“mmddyy10.” 就是这个作用 ，“10.”同样指的是包括“/”一共占有 10 个字 符位。需要注意的是 ，日期型数据在 SAS 中的储存是按照距离 1960年1月1 日有多少天来的 ，所以 salary2 这个数据在 SAS 中 ，如果

17、不做任何处理 ，显示如图表 1。其中 ，出生日期（DOB） 是按照计算到 1960年1月1 日的天数显示的。比如 ，1960 年1 月 1 日就是 0。表1 表2 120 硅谷SAS格式源数据形式日 期 型datew.ddmmmyy/ddmmmyyyy（mmm为月份英文缩写）datetimew.ddmmmyy hh:mm:ss.ssddmmyyw.ddmmyy/ddmmyyyyjulianw.yyddd/yyyyddd（Julian儒略日日期）mmddyymmddyy/mmddyyyytimew.hh:mm:ss.ss数 值 型w.d标准数值型hexw.16进制数据读入为浮点型数据ibw.d二

18、进制数据percentw.百分数commaw.d含逗号、货币符号的数据，负数表示为括号 的数据字 符 型charw.字符数据读入不删除前后空格hex16进制数据转化成字符型w.标准字符，删除前空格5 列输入法和格式法混合使用在前文中 ，格式化输入中的格式定义可以运用到列输入中。 这个方法针对那些有分隔符但是其中包含字符超过 8bytes 数值 型数据或者其中有日期型数据的文本文件或者 CSV 文件。File 5 D:salary2.txt假设有数据“D:salary2.txt” ，其中第一列是编号（首 位有 0，只能处理成字符型），第二列是姓名 ，第三列是出生日 期（日期型），第四列是工资。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“ ：”是该方法的标志 ，告诉 SAS 读入数据时候按 照“：”后面的格式读入 ，但是遇到分隔符就停下。如果没有“：”， SAS 会一直读数据 ，直到满足后面的格式位置。这里还有一个问题 ，如果姓名里有空格隔开 ，而刚好分隔 符也为空格 ，那么还需要做如下处理 ：第一 ，源数据中的姓名 变量与后一项变量出生日期之间需要两个或以上的空格 ；第二 ， 程序中 ，姓名后面的“ ：”改

20、为“&”。程序如下 ：data salary3;infile D:salary3.txt;input No :2.Name & 18. DOB : ddmmyy10.3 结论计算机网络技术是人类社会发展的一个重要的文明成果 ， 它已经渗透到社会的各个领域当中 ，并且在其中发挥着十分重 要的作用。计算机网络技术对社会的发展具有促进的作用 ，已 逐渐成为推动社会发展的重要力量。各界都应该掌握计算机网 络技术的相关知识 ，并且需要科学合理地使用该先进的计算机 网络技术 ，以促进本行业能够快速的发展和不断进步。参考文献1谭同灿.计算机网络技术的应用及其发展J.计算机光盘软salary

21、: dollar10.2; run;6 infile 语句补充语法有一些词可以加在 infile 语句末 ，就像前文提到的 dsd 和 dlm 一样。这些词往往有特定的功能用来处理一些特殊的数据 输入。并且这些词都可以叠加使用。使用哪几个就在 infile 语 句后面加上某几个（顺序不限）。1）firstobs。firstobs 用来指定从源数据文件的哪一行 开始导入。这个特别广泛地用在源数据的第一行是变量名称的 时候 ，或者正如前文在第一行加入了方便定列数的编码的情况 下 ，这种情况下的程序 ：input源文件地址firstobs=2;2）obs。obs 用来指定导入的数据到源数据文件的哪一行 终止。这个广泛应用在某些程序测试或者误差分析等情况下 ， 与 firstobs 功能对应。假设这里只读入 100 行以前的数据 ，程 序为 ：input源文件地址obs=100;3）missover。missover 用在当某一行的某些数据有缺失 ， 防止 sas 从第二行寻找来补足缺失的情况。具体来说 ，如果定 义的变量有十个 ，但某行只有 9 个 ，如果不用 missover，那么 SAS 会到下一行搜索第一个数据来补足十个 ，会导致后面的数 据都出错 ，而 missover 就是阻止这种情况的。程序为 ：input源文