The little SAS book 学习笔记 第二章2.docx

1、The little SAS book 学习笔记 第二章2The little SAS book 学习笔记 第二章(2)第二章 将你的数据放入SAS（2.11-2.21）2.12 一行有多个观测值的原始文件读取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子 有一个关于降水量的数据，precipitation.dat，文件包含城市名、州名、月平均降水量、月平均降水天数：这个数据文件中，第一行包含了两个观测值，可以用的程序读取：日志记录如下：中间的说明，SAS went to a new line when INPUT statement reached past the en

2、d of a line.是指读取第二个值时达到第一行末尾，并转到下一行继续读取。通常这些信息会预示一个问题出现，但在这里它们都是你所想要的（为什么？）输出结果如下：2.13 读取原始数据的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。此时的数据读取方式如下：在SAS读取某一行观测值时，首先读取足够的变量以便决定是否需要保留此行的观测值。然后在input语句结尾加符号，叫做a trailing at（called a trailing at），这告诉SAS先停在（hold）此行，同时用IF语句检测此观测值是否满足需要，如果是，那么可以再用

3、一个input语句来读取现有的变量。例子 有一个关于当地交通的数据，traffic.dat数据包含街道的类型（freeways和surface）、街道类型、早晨每小时的机动车流动量、晚上每小时机动车流动量。如果现在你只需要freeway的数据，可以用下述程序：第一个input读取字符串变量，是SAS停留在观测值上并用IF检测，第二个input读取input后面的变量值。程序执行后日志包括两部分说明，一个说明读取了8个记录，另一个说明新数据集中只包含三个观测值。输入结果如下所示： vs 的作用类似于，都是行停留指示符（line-hold specifiers），不同地方在于停留多久，能使SAS停

4、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：data test; infile cards ; input x ; input y; input z ; cards; 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 ; run;test输出结果就是：2.14 用infile语句中的选项控制输入读取原始数据时，SAS做了某些假设，比如从第一行开始读取数据，对于跨行观测值，会自动转到下一行继续读取。但有的特殊数据不满足这些假设，infile语句中的选项可以让SAS读取这些特殊数据。FIRSTOBS= FIRS

5、TOBS= 选项告诉SAS从哪一行开始读取数据，当数据开头有些说明信息，或者想要跳过某些行时，这个选项很有用。例如，如下原始数据文件中，开头两行是关于数据的描述：那么用如下程序可以让SAS从第三行开始读取数据：OBS= OBS=告诉SAS一直读取到哪一行位置，注意是行而不是观测值（有的观测值占据多行）比如，如下的原始数据文件中，结尾处还有一句不需要的数据说明时。就需要这个选项：用FIRSTOBS=3和OBS=5就可以读取第三行到第五行的数据：MISSOVER 在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。missov

6、er可以让SAS不进入下一行读取，未赋值的变量就使其成为缺失值。当如下这种数据，就需要missover选项，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：如下的程序可以让SAS将Nguyen第五门课的成绩设为缺失值，从而不牵扯到下一行：Truncover 使用column input或formatted input输入时可能会需要这个选项，因为这时有的数据行比其他的短。如下的原始数据中，由于三行的长度都不一样，input中只能指定最长的一行：程序如下：这里指定了第二行的长度street $ 22-37，但是第一行maple ave.并没占够至第37列（注意

7、后面是没有空格的），故而必须用truncover，否则会转到下一行继续读取，第三行情况也是。2.15 用数据步读取分隔符文件（delimited files）分隔符文件中，变量值之间会用一些特殊的字符隔开，比如逗号或制表符。DLM=和DSD选项可以让SAS容易的读取这些分隔符文件。DLM= 用list input读取文件时，变量值之间应该用空格隔开。对于其他的分隔符，可以用DLM=，DELIMITER=选项来指定，从而可以读取文件。例子 如下的数据中，学生姓名、每周读的书的数目是用逗号隔开的：用选项来指定分隔符即可：如果原始数据是用制表符隔开的，那么可以使用DLM=09X来指定，因为制表符的十

8、六进制值是09，如果你电脑使用EBCDIC（扩充的二进制编码的十进制交换码），那么应该用DLM=05X。DSD DSD (Delimiter-Sensitive Data)有三个作用：忽略引号中数值的分隔符；自动将字符数据中的引号去掉；将两个相邻的分隔符当做缺失值来处理。并且，DSD默认分隔符为逗号，如果数据中的分隔符不是逗号，那么要用delimiter来指定。比如，读取一个制表符为分隔符、并且用两个制表符代表缺失值的数据文件，则要用下面的语句：INFILE file-specification DLM=09X DSD;CSV文件 CSV文件，Comma-separated values fi

9、les，是可以用DSD选项的文件类型。Excel可以储存CSV格式的文件。例子 某咖啡馆，老板每晚请不同的乐队表演来吸引顾客，他记录了乐队名称、演出日期、晚上8点、9点、10点、11点的顾客数量：注意，其中有一个乐队的名字中用逗号来分隔，并且使用了引号。最后一条记录中还有一个缺失值，用两个连续的逗号表示。INFILE语句中的DSD选项可以用来读取这个文件，并且，由于每个记录长度不一样，还需要用missover：注意bandname和GigDate两个变量使用了冒号修改器，冒号修改器告诉SAS读取信息的长度（BandName为30，GigDate为10）。输出结果如下：2.16 用导入过程（IM

10、PORT procedure）读取分隔符文件。Proc import会浏览你的数据文件，自动决定变量类型（字符串或数值），为字符串变量分配正确的长度，辨认出日期变量。Proc import会将两个连续的分隔符视为缺失值，会读取引号中的变量值。一行读完后，会自动分配缺失值给未赋值的变量。Also,if you want,you can use the first line in your data file for the variable names。导入过程（IMPORT procedure）自动问你写下数据步，这可以在提交之后的日志窗口中查看。一个导入过程（IMPORT procedure

11、）的最简单形式：PROC IMPORT DATAFILE=filename OUT=data-set;用语句DATAFILE=filename读取文件名，用OUT=data-set创建SAS数据集。SAS会通过文件的扩展名来检测文件的类型：如果文件没有正确的扩展名，或者是DLM格式的，必须在proc import语句中用DBMS=option。如果想要创建的数据集名字已经存在，那么要用replace选项代替。一个使用replace和dbms的例子。PROC IMPORT DATAFILE=filename OUT=data-set DBMS=identifier REPLACE;导入过程（IM

12、PORT procedure）从数据文件中的第一行获取变量名，可以通过在PROC IMPORT后面增加GETNAMES=NO语句来改变这种默认，PROC IMPORT会分配给变量名字：VAR1，VAR2，VAR3等。如果你的数据文件是DLM类型的，PROC IMPORT会假定分隔符为空格，用DELIMITER=可以改变默认的分隔符。如下是一段有上述代码的程序：例子 下面还是使用咖啡馆中，乐队表演的例子（2.15），注意其中有一个乐队的名字中用逗号来分隔，并且使用了引号：用proc import读取数据的代码如下：输出结果如下，注意GigDate的日期格式能够被proc import辨认出来：2

13、.17 用导入过程（IMPORT procedure）读取PC文件如果安装了SAS/ACCESS模块，导入过程（IMPORT procedure）可以导入一些PC文件类型。它会浏览你的文件以决定变量类型，并默认使用数据的第一行来分配变量名。Windows操作环境中可以导入excel、Lotus、dBase、和Access文件。Unix系统中可以导入dBase文件，并且从SAS9.1开始，Unix系统也可以导入excel和access文件。在windows环境中有一个不需要SAS/ACCESS模块的方法Dynamic Data Exchange(DDE)，将在2.18中讲解。Microsoft

14、Excel，Lotus，和dBase文件 下面是用导入过程（IMPORT procedure）读取PC文件的一般过程：PROC IMPORT DATAFILE=filename OUT=data-set DBMS=identifier REPLACE;如果读取的文件是如下类型，就不用DBMS=OPTION。在读取excel时，有时需要指定要读取的是哪一个工作薄sheetSHEET=name-of-sheet;默认情况下，导入过程（IMPORT procedure）会从工作薄的第一行中读取变量名。如果不需要，可以用如下代码使得SAS给变量赋名为F1，F2等。GETNAMES=NO;Microso

15、ft Access Files 读取这种文件需要用DATABASE=和DATATABLE=，而不是DATAFILE=option。下面的是DBMS可以辨认的Access文件例子 有如下的EXCEL数据：读取的proc import程序：输出结果如下：2.18 用DDE读取PC文件DDE，动态数据交换（Dynamic Data Exchange），读取PC文件的优点为：可以直接访问存于PC文件中的数据，不要求购买其他SAS产品；缺点为：只能用在windows环境下，只能在程序运行时（比如excel），SAS才能进行读取。有几种方式可以用DDE访问数据： 复制数据到剪贴板 指定DDE三元组 从SA

16、S中启动PC程序，然后读取数据。复制数据到剪贴板 可以直接复制数据至剪贴板，然后再SAS程序的DDE FILENAME 语句中是使用CLIPBOARD关键字。比如，excel中有如下的工作薄：复制A2到G5，然后在不关闭excel的状态下，提交如下SAS程序：FILENAME语句将指代的文件（BASEBALL）定义成DDE类型，并指定从剪贴板中去读取它（CLIPBOARD）。DDE默认空格为分隔符，如果变量值之间有空格，则要在INFILE语句中用NOTAB选项和DLM=09X选项，前者告诉SAS在变量值之间放置制表符，后者告诉SAS将制表符定义为分隔符。如果数据中有缺失值，则要在INFILE中

17、加入DSD和MISSOVER选项，前者将两个连续的分隔符视为缺失值，后者告诉SAS如果此行读完，不要进入下一行给未赋值的变量赋值。指定DDE三元组 这种方法可以不用复制数据，直接指定出文件的DDE 三元组。DDE 三元组的形式为：application| topic ! item。有一种方法可以在SAS中直接查看文件的DDE三元组，方法为：复制数据至剪贴板里，触发SAS会话，从解决方案（Solution）菜单中选择附件（accessories）DDE三元组。一个窗口会出现你复制文件的DDE三元组。比如，一个工作薄的DDE三元组为：Excel|C:MyFilesBaseBall.xlssheet

18、1!R2C1:R5C7读取这个文件的FILENAME语句为：FILENAME baseball DDEExcel|C:MyFilesBaseBall.xlssheet1!R2C1:R5C7;从SAS中启动程序 这种方法可以不用在运行SAS之前启动数据程序。想要从SAS中启动程序，然后读取数据，则首先需要NOXWAIT和NOXSYNC系统选项，然后使用X语句，一个例子：NOXSYNC和NOXWAIT语句告诉SAS不要等待用户输入。X语句告诉windows执行或打开引号中路径的文件，注意这里路径设置了两个引号，如果路径中有空格，则要设置两个引号。使用这种方法，必须要在FILENAME语句中指定DD

19、E三元组。2.19 临时和永久数据集SAS临时数据集只在目前工作或会话中存在，关闭SAS或结束工作时则删除；永久数据集当关闭SAS或结束工作时仍然存在。SAS数据集名 所有的SAS数据集都有用句号分开的两层数据集名，如work.a。第一层前缀work是逻辑库名，第二层是在逻辑库中用于辨别自己的成员名。名字的规则是，以字母或下划线开头，并且名字中只能包含字母、数字和下划线。而且，库名不能超过8个字节，而成员名却可以达到32个字节。大部分数据集通过数据步创建，过程步也可以创建。如果指定了一个前缀不为work的两层数据集名，则这个数据集就是永久的。如果不指定前缀，则默认数据集是临时的，自动分配到wo

20、rk逻辑库中。下面是一些数据集名，对于的逻辑库，成员名，类型：临时数据集 如下的程序创建并打印了一个名为DISTANCE的永久数据集：这里，只指定了成员名distance，自动分配到work库中，日志窗口中有说明：NOTE:The data set WORK.DISTANCE has 1 observations and 2 variables.永久数据集 可以在资源管理器窗口中定义一个新库使用：也可以通过如下程序：那么日志窗口就会出现如下说明：NOTE:The data set MYLIB.DISTANCE has 1 observations and 2 variables.这是一个永久数

21、据集，因为前缀不是work。2.20 用LIBNAME语句使用永久数据集LIBNAME语句的基本形式为：LIBNAME librefyour-SAS-data-library;LIBNAME的后面，需要指定库名和存放的路径，在个人操作环境下LIBNAME语句的基本形式为：创建永久数据集 如下的例子创建了一个永久SAS数据集，包含了magnolia trees的一些信息。每一种树，原始文件都包含它的科学名、普通名、最大高度、第一次开花的年龄、是evergreen还是deciduous、以及花的颜色。下面的代码将会创建一个PLANTS的逻辑库，路径为C盘下的MySASLib。然后从原始文件Mag.

22、dat中读取数据，并创建一个名为MAGNOLIA的永久数据集，存在PLANTS库中。日志窗口会出现如下说明：NOTE:The data set PLANTS.MAGNOLIA has 5 observations and 6 variables.如果在电脑中打印文件的地址目录，会发现文件名不是PLANTS.MAGNOLIA。这是因为操作系统有自己对文件命名的方式，这个文件，在Windows,UNIX,和OpenVMS操作环境中名字为magnolia.sas7bdat，在OS/390或者z/OS环境中，文件名就会如LIBNAME语句中定义的data-set-name形式。读取永久数据集 如果你想

23、打印出上例中创建的数据集，可以用如下语句：这次LIBNAME语句中的库名为example，但缺失同样路径，逻辑库名可以改变，但成员名MAGNOLIA却一样。输出如下：2.21 通过直接指代使用永久数据集可以通过直接指代来使用SAS数据集，且不需要自己定义，SAS为你做好。直接指代，依据系统不同，使用方法也不同，如下:可以看到，一些系统的语句中需要指出路径，但如果遗漏了路径，SAS自动使用当前路径，比如这样一个创建名为trees的永久数据集的代码：DATA trees;UNIX和OPENVMS操作环境下，当前的路径默认为启动SAS的路径，可以通过工具（TOOLS）下拉菜单的选项（OPTIOPN）

24、菜单来改变这种默认，windows环境下当前路径会显示在SAS窗口底部。可以通过双击这个路径来改变默认。例子 如下还是关于magnolia trees的这个例子，下面的代码将从原始文件mag.dat中读取数据，创建一个名为MAGNOLIA的永久数据集，存放在C盘的Mysaslib路径中：相应的输出窗口显示如下：NOTE:The data set c:MySASLibmagnolia has 5 observations and 6 variables.如果打开MySASLib文件夹，会发现一个名为magnolia.sas7bdat的文件。在没指定库的情况下，SAS会自动为你创建一个库，在资源管

25、理器窗口中可以看到，下图是SAS为magnolia创建的库。用直接指代读取SAS数据集 可以直接用引号+路径的方式读取永久数据集，比如打印magnolia数据集可以：输出窗口如下：2.22 列出SAS数据集目录由于SAS是自文档化，即在自动储存了数据集的信息，因此可以通过contents过程来查看SAS数据集的描述。Proc contents data=data-set如果遗漏了data=的语句，SAS自动列出最近创建的数据集例子 如下的程序创建了一个数据集，并且使用proc contents。数据步中使用了label语句，label语句为变量打上标签，并储存在数据集中，在打印时会显示。过程步中也可以使用label，但只在proc contents中有效，不会储存在数据集中。Informat和format可以指定信息和格式，储存在数据集中，也可以在过程步中使用，但不储存在数据集中。输出如下：