SAS | 数据读取高阶方法
1 在INFILE语句中使用选项控制输入（infile选项）
infile语句中的选项，放在infile语句中文件名的后面，可以改变SAS读取原始数据文件的方式，对于读取特定类型的数据文件非常有用。
FIRSTOBS=
用于告知SAS是从第几行开始读取数据。这对于哪些在开头有描述性文本和头信息的数据文件非常有用。
OBS=
用于告知SAS读取到数据文件哪一行时停止。「OBS=」选项常和「FIRSTOBS=」选项一起使用，以便从数据文件的中间读取文件
MISSOVER
默认情况下，SAS读完一行数据后，如果input语句中还有一些变量没有赋值，SAS将会在下一数据行读取数据。「MISSOVER」选项会告知SAS：当一行数据读完的时候不要转到下一行，而是为其余的变量分配缺失值。
TRUNCOVER
当你使用列输入或者格式输入读取数据时，并且一些数据行比其他行短的时候，你需要使用「TRUNCOVER」选项，该选项作用时告知SAS为变量读取数据，直到遇到数据行的结尾，或者遇到了在格式或列范围指定的最后一个列。二者以先遇到者为准。
TRUNCOVER 和 MISSOVER 类似，要注意区分：
- 联系：如果数据行在变量作用域开始之前就结束，它们都会为变量分配缺失值
- 区别：如果数据行在变量作用域中间结束，TRUNCOVER 将尽量读取可用数据，而MISSOVER 会直接为变量分配一个缺失值
2 使用DATA步读取分隔文件（infile选项）
分隔文件是一种使用特殊字符分隔数据值的原始数据文件，通常使用逗号（,）或制表符（Tab）作为分隔符，SAS为infile语句提供了连个使其更容易读取的选项：DLM= 选项和 DSD 选项。
DLM=选项
若期望读取的数据文件分隔符是空格，则可以使用列表输入读取数据。但若是其他分隔符，这时就需要使用infile语句中的DELIMITER= 或 DLM= 选项，来读取使用任意分隔符的数据文件，只需要把分隔符方在 DLM= 选项后面的等号中（如 DLM='&'）。如果分隔符是一个字符串，则使用 DLMSTR= 选项。
示例：infile 'D:\code\test.dat' DLM = ',' ;
注意，若分件使用制表符（Tab）分隔，则 DLM='09'X （ASCII码）。
DSD选项
默认情况下，SAS将两个或更多的连续分隔符解释为一个分隔符。如果你的文件有缺失，且连续两个分隔符代表缺失值，那么将使用到infile语句中的DSD选项（分隔符敏感数据），它有三层作用，并可以配合 DLM= 选项使用。
- 忽略用引号括起来的数据值中的分隔符
- 不会把引号作为数值的一部分读取
- 把两个连续的分隔符视为缺失
示例：infile 'file - specification' DLM = '09'X DSD ;
CSV文件
逗号分隔符文件被称为CSV文件，针对这类文件，通常采用DSD选项来进行读取。但存在一种特殊情况：在数据行的末尾可能出现缺失值，这时就需要 DSD选项 和 MISSOVER选项 连用，告知SAS当一行数据不够时，不要跳到下一行继续读取。
示例：infile 'D:\code\test.csv' DLM = ',' dsd missover ;
3 使用IMPORT过程读取分隔文件（import）
SAS中通常有不止一种方法来达到相同的结果
前面已经学习过使用DATA步读取分隔文件，接下来学习的IMPORT过程，也能实现同样的结果。
PROC IMPORT
import过程会自动扫描数据文件前20行，以自动确认变量类型（数值型或字符型）。它还能为字符型指定长度及识别一些日期格式。同时，proc import 会把数据文件中连续的分隔符视为缺失值，读取引号中包含的数据值，以及当数据读完的时候为其余的变量分配缺失值。而且，可以根据需要，把数据文件中的第一行作为变量的名称。
示例：proc import datafile = 'filename' out = data-set ;
filename是想要读取文件的名称，data - set是要创建的SAS数据集的名字。同时，SAS将通过文件的拓展名来确认文件的类型：
| 文件类型 | 拓展名 | DBMS 标识符 |
|---|---|---|
| 逗号分隔的 | .csv | CSV |
| 制表符分割的 | .txt | TAB |
| 使用其他分隔符分隔的 | DLM |
如果文件没有适当的拓展名，或文件是某种DLM类型，则必须再 proc import 中使用 DLMS= 选项。如果已经有一个和 out= 选项中同名的SAS数据集，并且想要覆盖它，则需要使用 REPLACE 选项。
proc import datafile = 'filename' out = data-set
dbms = identifier replace ;
可选语句
一些文件类型需要用一些额外的指令才能正确读取。
- 如果数据文件不是在第一行，可以使用 DATAROWS 语句
- 如果分隔符号不是逗号、制表符或者空格，可以使用 DELIMITER 语句
- 如果文件只包含数据，没有标题行，可以使用 GETNAMES=NO 语句分配默认的变量名称
- 如果数据在前20行全是缺失值或者没有代表性的数据，可以使用 GUESSINGROWS 语句，以确保变量被分配了正确的数据类型和长度
datarows = n; /* 从第n行开始读取数据，默认是1 */
delimiter = 'delimiter-character'; /* DLM文件的分隔符，默认是空格 */
getnames = no; /* 不要从输入文件的第一行获取变量名称，默认yes；如果是no，变 量名称为var1、var2、var3等 */
guessingrows = n; /* 使用n行来确定变量的类型，默认20 */
proc import datafile = 'D:\code\test.csv' out = music replace;
run;
4 使用IMPORT 过程读取Excel文件（import）
在SAS中可以使用 PROC IMPORT 过程来读取Excel文件，需要注意的是 import 过程在不同的系统中（windows和unix）用法有一些区别：
使用import过程读取Excel文件一般形式：
proc import datafile = 'filename' out = data-set
dbms = identifier replace ;
其中filename是要读取的文件；data-set是要创建的SAS数据集名称；replace选项是告诉SAS替换 out= 选项中指定的数据集（若存在的话）dbms= 选项告知SAS要读取的Excel文件类型，但它不是必需的。
DBMS 标识符
三种最常用的标识符是excel、xls、xlsx。
- unix系统中：xls用于读取文件（拓展名.xls）；xlsx用于读取文件（拓展名.xlsx）
- windows系统中：xls、xlsx的用法同unix，并且多了excel标识符，可读取所有类型的excel文件
需要区分的是，excel标识符使用了不同的读取技术，所以结果可能会有所不同。默认情况下，xls、xlsx标识符相较于excel会查看更多的数据行来确定列的类型。
可选语句
如果文件中有多个工作表，可以使用 SHEET 语句指定要读取那个工作表。
语法：sheet = "sheet-name" ;
如果只想读取工作表中特定的单元格，可以用 range 指定一个区域。该区域可以是命名区域（如果已定义），或者可以安装以下方式指定所在预取的左上和右下单元格。a
语法：range = "sheet-name$UL:LR" ;
默认情况下，import过程使用电子表格的第一行作为变量的名称。如果你不想这样做，可以向该过程添加 GETNAMES 语句（仅限excel标识符），SAS会将这些变量命名为F1、F2等。
语法：getnames = no ;
当使用excel标识符时，如果有一列同时包含数值和字符值。默认情况下，数值将被转换成缺失值。为了将数值读取成字符类型而不是缺失值，可以使用 MIXED 语句。
语法：mixed = yes ;
proc import datafile = 'D:\code\test.csv' dbms = xls out = music replace;
run;
