SAS学习系列03导入数据Ⅰ

03.导入数据I
SAS读取的数据的方法主要有以下几种：
1. 直接输入；
表格形式输入数据，可以定义变量、设置属性；
程序编辑器data步中直接输入；
2. 从原始数据文件中创建一个SAS数据集；
data步可以读取任何形式的原始数据文件，也可以用导入向导
3. 将其他软件中的数据文件转换成SAS数据集；
如果安装SAS/ACCES模块，可以用导入过程和导入向导将Exce、Lotus、dBase和Access文件导入SAS数据集
4. 直接读取其他软件的数据集；
SAS/ACCES产品可以不用转换数据格式读取数据库管理系统，包
括ORACLE,DB2,INGRES SYBASE勺数据；使用Excel engine Access engine和SPSS engin来读取其数据
（一）直接输入
1. 打开【工具】一一【表编辑器】，在表编辑器窗口以表格形式
输入数据，可以定义变量、设置属性。

（略）
2. data步中直接输入（例如SAS介绍及基础篇中的例1）
（二）用导入向导（Import Wizard）读取文件
步骤：
1. 打开【文件】一一【导入数据】，调出导入向导窗口；
2. 选择要导入的数据类型；
3. 指定要导入的文件位置，SAS默认第一行存放变量名，从第二行开始存
放数据（Options可以改变这种默认选择）；
4. 选择数据集要存放的地址，并为数据集命名；
5. （可选）创建一个proc import语句，可以执行它再次导入这个数据。

（三）从外部文件导入数据
」、读取空格或分隔符分开的数据
语法:
data数据集名；
infile文件路径+文件名' ＜可选参数＞;
in put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：
data stude nts;
infile 'c:\MyRawData\Stude ns.dat' DLM =',';
in put Name $ Age Height;
注：这是创建临时数据集work.stude nts，若要创建永久数据集,
需要指定二级数据集名称。

例如,
DLM =
libn ame myworks 'D:\SASWorks' data myworks.students;
infile
'c:\MyRawData\Stude ns.dat'
in put Name $ Age Height;
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
下的数据文件ToadJump.da ，内容如下:
Lucky 2.3 1 * 9 . 3 ・ 0 Spot 4.6 2.予 3.1 Tubs 7.1・.孑・8
Hop 4.5 3.2 1•9 2•6 Woisy 3.8 1,3 1.8 1. 5
Winner 5*7 . * *
代码:
data toads;
infile 'c:\MyRawData\ToadJump.dat' ;
in put ToadName $ Weight Jump1 Jump2 Jump3; run ; proc print data = toads; title 'SAS Data Set Toads' ; run;
运行结果:
Nguyen
Ra.mos Robbins
SAS Data Set Toads
注：(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。

in file 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)
in put 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 。

89 76 91 82 67 72 80 76 86 7 6 65 79
代码:
data class102;
infile 'c:\MyRawData\AIIScores.dat' MISSOVER;
in put Name $ Test1 Test2 Test3 Test4 Test5;
run ;
proc print data = class102;
run;
运行结果：
Obs Name Test 1Test2Test3Test4Testb
1Nguyen89769182-
2Ramos6772807686
3Robb i ns766579■
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 = ‘,'
制表符分隔一一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
下的数据文件Bands.csv内容如下: Lupine Lights,12/3/2003,45F63,70r
Awe3ome Oc taves, 12/15 /2003 ”17 r2 8 H 44 12
"St op t Drop, and RockRoll-t1/5/2004,34, 62,77.91
The Sil veyville Jazz Quartet,1/18/2 004 y 38 f30 f42,43 Catalina Converts ?1/3 1/2004, 56, ,65,34
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.
代码:
run ;
proc print data = music; title 'Customers at Each Gig' run;
运行结果:
Customers at Each Gig
Obs B andName G i gDate hightPM Ni nePM TenPM tlevonPM 1Lupine Lights19330456370
2Awesome Octaves19342172044 12 3Stop, Drop, and Rock-N-Ro I I 1930334027791 4The S iI veyv i 11e Jaz^ Quartet193763830+243 5Cats 1ina Converts1933956-总534
4. FIRSTOBS = m OBS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(
lceCreamSales2.dat :
FIRSTOBS = 3
Ice-cream sales dat a for the summer Flavor Locat i on Boxes sold Chocolate 213 123 Van ilia
213 512 Cliocol ate 415
24 2
Dat a. ve r if ied t>y ElaKe Wh i te
注意第3行到第5行是有效数据。

代码:
data icecream2;
in file 'c:\MyRawData\IceCreamSales2.dat' OBS=5; in put Flavor $ 1-9 Locati on BoxesSold; run ;
proc print data = icecream2; run ;
运行结果:
SAS 系统
Obs r 1avor
Locat i on BoxesSo1d
1 ChoGOlate 213 123
2 Vani 1 la
213 512 3 Chocolate
415
242
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。

例5读取路径
Columbia Peaches
Plains Peanuts
Gilroy Garlics Sacramento Tomatoes
1O1035 12 11 7 6 124 85 15 4 9 1
注：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:
in put 变量1 n-m …;
注：“n-m”表示变量1数据所占的列范围，第n列至第m列
示例：
in put Name $ 1 - 10 Age 11-13 Height 14- 18;
1.标准按固定列排列的数据
下的数据文件OnionRing.dat,内容如下:
文件［F)再辑(E)恪式(O)査看M粘助(H)
35 67 1 10 2 1
210 2 5 0 2
代码:
data sales;
in file 'c:\MyRawData\O nionRin g.dat' ;
in put Visit in gTeam $ 1- 20 Co ncessio nSales 21-24 BleacherSales 25 - 28 OurHits 29-31 TheirHits 32- 34 OurRuns
John Ga r c ia Sylvia Chung Martha Newto口
注意三行的长度都不一样, in put中只能指定最长的一行
运行结果:
SAS Data Sales
Obs V i s i t i ngTeam Concess i onSa1es BleacherSa1es OurH i is The i rti i Our Runs The i rRuns 1f ig 1umh i a 日3567I102 1 ?Plains Peanuts210■2502 3Qi 1 toy Gar 1ics1510351211 76
A Sacramento Tomatoes124851549 1
2. TRUNCOVE选项
使用按固定列的in put或控制格式（下节）的in put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TRUNCOVE选项，以避免发生这种错误。

例6 读取如下数据（c:\MyRawData\Address.dat）:
114 Maple Ave »
13 02 Was hing ton Dr ive
45 S,E.丄4th St.
代码:
data homeaddress;
infile 'c:\MyRawData\Address.dat' TRUNCOVER
in put Name $ 1-15 Number 16-19 Street $ 22- 37;
run ;
proc print data = homeaddress;
运行结果:
例7读取路径下的
数据
Alic j_a Grossman Matthew Lee Eliz abeth Garc ia Lor i Newcornbe Jose Mart Inez
Br i an ?Jill lams
10-23-2003
10-30^2003 丄
0-29^2003
10-30-2003
10-31-2003
10^29-2003
SAS系统
Obs N ame Number Street
1John Garc i a114M aple Ave.
2Sylvia Chung1302Wash i ngton Dr i ve
3Martha Newton45S. E. 14th St.
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。

语法：
in put变量名变量格式…；
示例：
in put Name $ 10. Age 3. Height 5.1 BirthDate MMDDYY10.;
代码:
6.5
8.9 9.510.0
7.8 6. 5 7.2 3.0 7.9
6 ・0 8 . 1
7.9 8.5 9.0 B.S
运行结果:
Pumpkin Carving Contest
Obs N ame Age T ype Date Scorel Score2Score3Score4Scored 1A1 icia Grossmari13G192947. 3 5.57.2 3.07.9 2Matthew Lee9D19296 6 5 5.9 6 S8.0&. 1 3E1izabeth Garcia10C192958. 97.98.59.0 6.8 4Lor i NeAucotnbe6D19296 6. 7 5.6 4. 9 5.2 6.I 5Jose Martinez1d192978 99,510. 09.79. n 6Brian Willi MS11 G192957. 8 3.48.57.98. 0
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）“Height 5.1 ”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）“ MMDD YY10.”共占10位的日期格式；
（5）Score1 Score2 Score3 Score4 Score5 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读取路径下的数据文件NatPark.dat,内谷如下:
Yellows tone Everglades Yosemi t e TD/MT/WY 1872 4f G 65( 493 FL 1934 1,398,300
CA 13 6 4 7 60 r 917
Great Smoky Mountains NC/TN 192 6 520 r 259
Wolf Trap Farm VA 19 6 6 13 0
代码:
data nationalparks;
infile 'c:\MyRawData\NatPark.dat'
run ;
run ;
运行结果:
SeIected Nat i onaI Parks
Obs P arkName State Year Acreage
1Ye 11owstone1D/MT/WY187********
2Everglades FL 19341398800
3Yosem i te CA 1864760917
4Great Smoky Mounta i ns NC/TN1926520269
5Wo 1f Trap Farm VA 1966130
程序说明：
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：
SeIected Nat i onaI Parks
Obs ParkName State Year Acreage
1Ye 1lowstone1D/MT/WY18724065
2Everglades FL 1934-
3Yosem ite CA1864-
4Great Smoky Mountai ns NC/TN1926 5
5Wolf Trap Farm VA1966 -
示例: Value of variable DogBreed
Rottweil
R 口七tweiler Vet Bill R D ttweilet
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。

语法:
in put @字符串’变量名…;
in put @'Breed:' DogBreed $;
另外，in put 读取字符串变量默认为8个字符，若超过8个字符, 则需要定义长度，定义为$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：
My dog Sam Breed: Rottweiler Vet Bills: $478
用下述述不同方法读取，会有不同结果：
Statements
TNPUT @ Breed ：* DogBr e ed $ ； INPUT Breed:* DogBreed $20.; INPUT
Breed:f DogBteed : S20
例9读取路径
下的数据文件Canoes.dat,内容如下:
^ellatorum School: CSULA Time： 1:40. 5
The Kraken School: ASU Time： 1:45. 35
Black Widow School: UoA Time：1：33. 7 Koicrete School: CSUF
Time: 1:40+25
Khaos School: UNLV Time: 2:03, 4o
Max School: L'CSD Time: 1:26. 47
Hakuna Matata School: UCLA Time: 1:20.64 Prospector School:
CPSLO Time: 1:12,08 Andromeda School: CPP Time: 1:25. 1
Kekoapohaku School: UHM Time: 1:24+49
读取学校名和时间
代码:
data canoeresults;
run ;
运行结果：（注意：时间转化为以秒为单位）
Concrete Canoe Men1 s Sprint ResuIts
Obs S choo II Race Ii me
1CSULA100, 50
2ASU105.35
3UoA93.70
A CSUF100. 25
5UNLV123.4&
6UCSD86,47
7UCLA80. 64
8CPSLO72+ 08
9CPP85. 10
10U HI-184, 49程序说明:
例10读取路径
下的数据文件weblogs.txt ，内容如下:
130.192*70.235 123.32-23E.8 - 12S.32.23f.3 - 12S.32,23£.0 - 118.171.121.37 12Ba23.121.37 12Bvl23.121.37 123.75.22E.9 -
(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 W 会跳到下一个数据行去接着读取，输出错误结果:
Concrete Canoe Men' E Spr i nt ResuIts
Obs S choo 1 RaceT i me
1 CSULA
0. 00 2 JoA
0. 00 3
U NLV 123, 45
A U CSD
86. 47
5 UCLA
80. 64 6
C PSLO 72. 08 7 CPP
0. 00
-{0B/Jun/2001!23:51:32 -070QJ “GET /tovec.jpg HTTP”■丄"200 ££820 [OB/Jun/2001:23:51:40 -0700J "GET /gtoomincf.hual HTTF“・tF 2G0 S471 [QB/Jun/2001:23:51:40 -070Q] "GET /Icons/brush. tji£ HTTP/1.0rr 200 89 [D0/Jlin/2Oai ：23i 51:^0 -0700] “GET IiTTP/1.0" 200 1S52
-[0e/Jun/20ai:23：5£:4c -0700] "GET /bath, gi£ HTTP/EO" 200 1407S -^09/Jun/2a01:00:57:49 -0700] "GET /Lobo.gif HTTP /l.D" 200 18312
-[05/Jun/20D1;00:57:4S -D70D1 "GET
/staternnt-h-tiii HTTP/l.tT 二的 230 r09/Jun/2DQl ：01：
59：40 -D7D01 "GET /Icons/leash. aif HTTP/1.0tr 200 98
读取其中的访问日期和访问的文件名
代码:
运行结果:
Dog Care Web Logs
Obs A ccessDate Fi le
115134/rover. jpg
215134/groom i ng. htm I
315134/1 cons/brush. gi f
415134/IH .poodle, gif
515134/bath, gif
615135/Iobo. g i f
715135/statemnt. htm
815135/Icons/leash. gif
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读取路径下的数据文件Temperature.dat,内容如下：
Nome AK
55 44
88 29
Miami FL
Raleigh NC
88 68
10 5 50
注意一个观测值占据3行
代码:
in put City $ State $
/ NormalHigh NormalLow
#3 RecordHigh RecordLow; run ;
proc print data = highlow;
title 'High and Low Temperatures for July' run ;
运行结果：
H i gh and Low Temperatures for Ju Iy
Obs C ity State Norma 1H i gh Norma 11 ow Recor dll i gh Record! ow 1Nome AK55448829 2Mi an i FL90759765 3Raleigh NC 886810550
程序说明：
(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 变量禾口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in put语句结尾加一个停止符号@@.
例12读取路径下的数据文件Precipitation.dat，内容
如下：
Nome AK 2.5 15 Miami FL 6.75
18 Raleigh NC ’12
注意第一行包含2个观测值。

代码：
data rain fall;
in file 'c:\MyRawData\Precipitatio n.dat' ;
in put City $ State $ NormalRain Mea nDaysRain @@;
run ;
proc print data = rain fall;
titlel 'Normal Total Precipitatio n and' ;
title2 'Mea n Days with Precipitatio n for July' ;
run ;
运行结果:
Norma I TotaI Prec i p i tat i on and
Mean Days w i th Prec i p i tat i on for Ju Iy
Obs City State NormaIRa i n MeanDaysRa i n
1Nome AK 2. 5015
2Miami FL 6. 7518
3Raleigh NC *12
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in put 语句结尾加符号@，（叫做trailing at），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in put 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。

freeway408 3 6843459
SUr tace Mart in Lu ther King Jr. Blvd.X59012 3 4
Sur face Br cadway12591290
sur face Ro deo Dr .189020 67
freeway608458338 60
freeway808238625 18
sur fact?Lake Shore Dr » 1 59012 3 4
suiface Pennsylvania Ave *12591290
要求只读取freeway的数据。

代码:
data freeways;
infile 'c:\MyRawData\Traffic.dat'
in put Type $ @;
if Type = 'surface' then DELETE; in put Name $ 9-38 AMTraffic PMTraffic; run ;
proc print data = freeways;
title 'Traffic for Freeways' ;
run ;
运行结果:
Traff i c for Freeways
Obs T ype Name AMTraffic P MTraffic
1ireeway40836843459
2freeway60845833860
3freeway80823862518注：@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in put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：
data test;
in file cards ;
in put x @;
in put y;
in put z @@; cards ;
1 2 3 4 5 6
7 8 9 10 11 12
13 14 15 16 17
run ;
proc print data = test;
run ;
test输出结果就是:
Obs X y z
1 1 21
28913。