SAS学习系列03导入大数据Ⅰ文档格式.docx

SAS学习系列03导入大数据Ⅰ文档格式.docx

《SAS学习系列03导入大数据Ⅰ文档格式.docx》由会员分享，可在线阅读，更多相关《SAS学习系列03导入大数据Ⅰ文档格式.docx（19页珍藏版）》请在冰豆网上搜索。

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;

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;

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;

\MyRawData\ToadJump.dat'

inputToadName$WeightJump1Jump2Jump3;

run;

procprintdata=toads;

title'

SASDataSetToads'

运行结果：

（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。

dataclass102;

\MyRawData\AllScores.dat'

MISSOVER;

inputName$Test1Test2Test3Test4Test5;

procprintdata=class102;

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.

datamusic;

\MyRawData\Bands.csv'

DSDMISSOVER;

inputBandName:

$30.GigDate:

MMDDYY10.EightPMNinePMTenPMElevenPM;

procprintdata=music;

CustomersatEachGig'

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。

dataicecream2;

\MyRawData\IceCreamSales2.dat'

FIRSTOBS=3OBS=5;

inputFlavor$1-9LocationBoxesSold;

procprintdata=icecream2;

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。

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。

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：

datasales;

\MyRawData\OnionRing.dat'

inputVisitingTeam$1-20ConcessionSales21-24BleacherSales25-28OurHits29-31TheirHits32-34OurRuns35-37TheirRuns38-40;

procprintdata=sales;

SASDataSetSales'

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。

datahomeaddress;

\MyRawData\Address.dat'

TRUNCOVER;

inputName$1-15Number16-19Street$22-37;

procprintdata=homeaddress;

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。

input变量名变量格式…;

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：

datacontest;

\MyRawData\Pumpkin.dat'

inputName$16.Age3.+1Type$1.+1DateMMDDYY10.

（Score1Score2Score3Score4Score5）（4.1）;

procprintdata=contest;

PumpkinCarvingContest'

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：

datanationalparks;

\MyRawData\NatPark.dat'

inputParkName$1-22State$Year@40AcreageCOMMA9.;

procprintdata=nationalparks;

SelectedNationalParks'

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。

input@‘字符串’变量名…;

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。

datacanoeresults;

\MyRawData\Canoes.dat'

School:

School$@'

Time:

RaceTime:

STIMER8.;

procprintdata=canoeresults;

title"

ConcreteCanoeMen'

sSprintResults"

（注意：

时间转化为以秒为单位）

（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。

dataweblogs;

C:

\MyRawData\weblogs.txt'

['

AccessDateDATE11.@'

GET'

File:

$20.;

procprintdata=weblogs;

DogCareWebLogs'

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

例11读取路径c:

\MyRawData\下的数据文件Temperature.dat，内容如下：

注意一个观测值占据3行。

datahighlow;

\MyRawData\Temperature.dat'

inputCity$State$

/NormalHighNormalLow

#3RecordHighRecordLow;

procprintdata=highlow;

HighandLowTemperaturesforJuly'

（1）SAS先读取第一行的city变量和state变量，斜线/告诉SAS移动到下一行的第一列，以便读取normalhigh和normallow.

（2）#3告诉SAS移动到第三行的第一列以便继续读取观测值的recordhigh变量和recordlow变量。

2.一行有多个观测值的数据

当一行出现多个观测值时，可以在input语句结尾加一个停止符号@@.

例12读取路径c:

\MyRawData\下的数据文件Precipitation.dat，内容如下：

注意第一行包含2个观测值。

datarainfall;

\MyRawData\Precipitation.dat'

inputCity$State$NormalRainMeanDaysRain@@;

procprintdata=rainfall;

title1'

NormalTotalPrecipitationand'

title2'

MeanDayswithPrecipitationforJuly'

3.有选择地读取部分观测值

有时候只需要读取原始数据的部分观测值，比如只需要年鉴中的女性数据、收入超过10万的人口数据等。

实现方法：

在SAS读取某一行观测值时，先读取到“判断”变量，然后在input语句结尾加符号@，（叫做trailingat），告诉SAS先停在此行，同时用if语句检测此观测值是否满足条件，若满足，那么可以再用一个input语句来读取其它变量。

例13交通数据（c:

\MyRawData\Traffic.dat）包含街道的类型（freeways和surface）、街道名称、早晨每小时的机动车流动量、晚上每小时机动车流动量。

要求只读取freeway的数据。

datafreeways;

\MyRawData\Traffic.dat'

inputType$@;

ifType='

surface'

thenDELETE;

inputName$9-38AMTrafficPMTraffic;

procprintdata=freeways;

TrafficforFreeways'

@的作用类似于@@，都是行停留指示符，不同地方在于停留多久，@能使SAS停留到下一个input语句（也不换行），@@能使停留的时间到下一个data步（也不换行）。

比如这段代码：

datatest;

infilecards;

inputx@;

inputy;

inputz@@;

cards;

123456

789101112

1314151617

procprintdata=test;

test输出结果就是：