SAS编程演义
上QQ阅读APP看书，第一时间看更新
上一章目录下一章

3.4 读取PC数据文件

对于单机数据文件的读取，除了LIBNAME语句、SQL直通设施和ACCESS/DBLOAD过程三种方式外，还可以通过IMPORT过程导入。

常见的各种统计软件的数据文件如SPSS的.sav文件、Stata的.dta文件、JMP的.jmp文件，以及Excel文件均可以通过IMPORT过程导入。当然，LIBNAME语句也是不错的选择。

→3.4.1 小试牛刀

比如，我们手头要导入D盘的一个SPSS文件（.sav文件），我们可以分别尝试用IMPORT过程和LIBNAME语句。

程序3-2 导入SPSS文件

    *==IMPORT过程;
    proc importout=mysasdata
                  datafile="D:\01 SAS编程演义\02 Data\Raw\myspssdata.sav" ;
    run;


    *==LIBNAME语句;
    libname  mysav spss "D:\01 SAS编程演义\02 Data\Raw\myspssdata.sav";

对于像SPSS这种规范格式的数据文件，这是最简便省事的一个写法。但是如果希望做更丰富更详细的设置，或者是对于一些不太规则的数据文件，我们就有必要去深挖一下PROC IMPORT这个过程以及LIBNAME语句访问PC文件的语法。

→3.4.2 PROC IMPORT语法

我们以官方的Help为基础，加以改造打扮后呈现给各位。结合前面对SAS Help风格的介绍，我们可以比较直观的了解一个过程更为系统、深入的用法。

以语法3-2为例，我们再复习一下：大写粗体的为SAS过程和语句名，如PROC IMORT、DATAFILE以及RUN；大写非粗体的是需要我们原样照抄的参数，如DBMS、OUT以及REPLACE；小写斜体的是需要我们填写指定的参数或者参数值，如filename就是需要我们自己填写的要读入的文件；| 表示我们只能选择其中的一个参数或参数值，因此DATAFILE和DATATABLE我们只能选一个；<>表示我们可用可不用的参数，因此，从语法3-2可以看出一个PROC IMORT过程只有DATAFILE或DATATABLE是必需的。

例如，程序3-2导入SPSS文件时，我们并未指定DBMS=SAV，这是因为SAS导入外部文件时，会依据其扩展名自动猜测其DBMS的值，此外，我们指定了OUT=mysasdata，这样我们自己给生成的SAS数据集起了一个名字叫mysasdata，方便我们自己查找辨认。

PROC IMPORT过程的语法看起来比较复杂，大家不要一开始就害怕。先熟悉必需的、最基本的语法，以后慢慢增加控制选项。下面对卡片中提及的重要参数做一些补充说明：

语法3-2 PROC IMPORT语法参考卡片

● 指定欲读入的文件时，除了完整路径和名称，还可以用此前FILENAME语句给文件指定的快捷方式。例如，如果此前用filename myxls"d:\mydata.xls"指定过mydata. xls的快捷方式名为myxls，则在PROC IMPORT中可直接写为：datafile=myxls。OUT= 指定存放的逻辑库和数据集。有的读者会觉得别扭：明明是读入，为什么不是IN却是OUT呢？如果了解到这里的OUT其实是指把读入到PDV里的数据输出到数据集就不会感到别扭了。

● 对于数据集选项，我们可以用PW=选项加密数据集，或者用READ=、WRITE=、ALTER= 选项分别加密读，写以及修改权限；我们也可以用KEEP=、DROP=、RENAME= 选项筛选，重命名变量；我们还可以用OBS= 和WHERE= 筛选保留的观测。

● 通常情况下，SAS会依据数据文件的扩展名如.CSV、.SAV、.XLS、.DTA等自动匹配相应的DBMS参数，因此不指定DBMS也是可以的，但是不推荐这样做。

● 文件格式说明语句给我们对各种文件的读取提供了更多的控制语句，比如：

■ 对于分隔符分隔的文件，我们可以用DATAROW=n指定数据从第n行开始，用GETNAMES=YES|NO来应对数据文件首行是不是变量名，用GUESSINGROWS=n | MAX来应对仅用默认头20行数据无法准确判断变量类型和长度的情况。此外，我们还可以用DELIMITER=＇char＇ | ＇nn＇x来个性化指定数据文件的分隔符，比如DELIMITER=＇#＇可以读入#分隔的数据文件，DELIMITER=＇20＇x则可以读入空格分隔的数据文件。其中＇20＇ x是用二进制表示空格的ASCII码。

■ 对于大众更熟悉的EXCEL文件，SAS提供了更多的控制语句。最常用的是用SHEET=读入EXCEL文件中某特定的sheet，甚至可用RANGE=来读入某sheet中特定的数据区域。

■ 对于SPSS、Stata数据文件，也有相应的控制语句。具体读者可查看SAS Help。

→3.4.3 LIBNAME访问PC文件语法

当然，除了IMPORT，LIBNAME语句也可做一些更为精细的设置来访问PC数据文件，具体可参考语法3-3。

语法3-3 LIBNAME语句访问PC文件语法参考卡片

不过LIBNAME语句读入PC数据文件这种方式笔者个人不做推荐，这主要是因为：

（1）并非所有的PC数据文件都有相应的引擎支持。

（2）和PROC IMPORT相比，控制选项较少。

→3.4.4 实例扩展

所谓“纸上得来终觉浅，绝知此事要躬行”，结合前面的Help和解析，我们自己动手试试下面的案例。读入EXCEL文件class.xlsx。这是一个很规整的文件，按表3-1数据读取策略总结提供的思路，我们可以用PROC IMPORT进行读入。

程序3-3 读入规整的EXCEL文件

    *===读入EXCEL文件;
    filename myexcel "D:\03 Writting\01 SAS编程演义\02 Data\Raw\class.xlsx";
    proc importout=myxls datafile=myexcel
                dbms=excel replace;
    run;

有的时候，我们的EXCEL文件不是那么规整，需要我们在读入时做更多的控制和设置，比如我只希望读入特定SHEET的特定区域的数据，这时我们就可以用RANGE、DBDSOPTS等进行设置。在用RANGE进行范围设定时，需要留意，范围名要采用literate name命名法，即把范围放在引号里，且引号后跟n，如Sheet1的A1-E20的命名为：＇sheet1$A1:E20＇n，或者直接用"sheet1$A1:E20"。

程序3-4 读入特定区域数据的EXCEL文件

    *===读入指定范围的EXCEL文件;
    proc importout=myxls datafile=myexcel
                dbms=excel replace;
                range=＇sheet1$A1:E20＇n;  /*读入sheet1的A1～E20区域的数据*/
                getnames=yes;               /*或者rang="sheet1$A1:E20"*/
    run;


    *===读入指定起止行;
    proc importout=myxls datafile=myexcel
                dbms=excel replace;
                dbdsopts="firstobs=3  obs=18"; /*读入sheet1的3～18行区域的数据 */
                getnames=yes;
    run;

EXCEL本身不是数据库管理软件，所以每一列其实并没有固定的数据类型格式（数字/字符），SAS在读入EXCEL文件时，默认用前8行数据判定列的数据类型和长度。如果一个文件的某一列的前8行全部为数字，那么SAS会将这一列作为数字变量读入，但是如果在后面发现文本字符，导致数据类型不一致，而且无法转换成数字，这时就会出现错误。解决的办法就是需要让SAS读入更多的数据行再确定数据类型，可惜针对EXCEL文件，SAS没有直接提供这样的选项，不过我们可以通过修改Windows注册表的EXCEL的TypeGuessRows项的值为0，这样SAS会在读入所有行后再确定变量的类型。

其他PC格式数据文件的读入，同我们上面举的例子类似，读者可参考语法卡片进行尝试，本章不再一一赘述。

上一章目录下一章