将数据读入 SAS，列未对齐

Posted 2023-03-29

【中文标题】将数据读入 SAS，列未对齐

【英文标题】：Reading data into SAS, columns not aligned

【发布时间】：2014-03-05 00:06:54

【问题描述】：

我有一个如下所示的数据文件：

001 Mayo Clinic  120 78 7 15 
Patient has had a persistent cough for 3 weeks
023 Mayo Clinic  157 72 10 2 
Patient complained of ear ache
064 HMC  201 59 . . 
Patient left against medical advice
003 HMC  166 58 8 15 
Patient placed on beta-blockers on 7/1/2006

我发现将其读入 SAS 的任务基本上是不可能的。不，在这种情况下，重新格式化数据文件是不可能的。所以让我解释一下你在这里看到的内容：

每个主题都有两行数据。第一行是-

受试者编号/诊所/wt/hr/dx/sx （不要担心数字是什么意思，这无关紧要）。

第二行是文本，它基本上是一个包含额外信息的注释，涉及到其数据在前一行中列出的主题。所以，这些行：

001 Mayo Clinic  120 78 7 15 
Patient has had a persistent cough for 3 weeks

适用于单一主题。主题 001。这些需要成为 SAS 数据集中的单行。我完全不知所措；由于诊所名称的长度不同，并且数字列未对齐，我无法弄清楚如何让 SAS 读取它。这是我能得到的最接近的：

data ClinData;
    infile "&wdir.clinic_data.txt";
    retain patno clinic weight hr dx sx exinfo;
    input patno clinic $1. @;
    if clinic='M' then
        input patno @5 clinic $11. weight hr dx sx / @1 exinfo $30.;
    else if clinic='H' then
        input patno @5 clinic $3. weight hr dx sx / @1 exinfo $30.;
    run;

这打印为：

http://i61.tinypic.com/2uswl90.png

所有数值都在正确的位置。

但是，这有几个问题。

首先，主题编号 ('patno') 始终显示为缺失值。为什么？

其次，诊所仅由其第一个字母“M”或“H”表示。我无法让 SAS 根据它所在的诊所来更改诊所变量的长度。

第三，变量“exinfo”包含有关患者的注释。但是，我无法让 SAS 包含整条生产线。在格式化失控之前，我能得到的最高值是大约 30 个字符。

有什么帮助吗？对于这种类型的输入，SAS 文档非常糟糕。这些示例都没有真正符合我的需要，并且没有充分解释如何使用某些选项。我知道我需要使用列/行指针；但问题是各行的列不一致。所以无论我使用哪种指针格式，仍然会有不正确的行。

【参考方案1】：

在 SAS 中没有什么是不可能的。查看您的样本数据，我注意到您的诊所名称后面有两个空格，并且您的患者编号始终是三个字符。如果这始终是正确的，您可以利用它来发挥自己的优势：

data want;
  length patno $3 clinic $20 weight hr dx sx 8 exinfo $80;
  input;
  patno  = scan(_infile_,1,' ');
  clinic = substr(_infile_,5,index(_infile_,'  ')-5);
  weight = input(scan(_infile_,-4,' '),8.);
  hr     = input(scan(_infile_,-3,' '),8.);
  dx     = input(scan(_infile_,-2,' '),8.);
  sx     = input(scan(_infile_,-1,' '),8.);
  input exinfo $80.;

datalines;
001 Mayo Clinic  120 78 7 15 
Patient has had a persistent cough for 3 weeks
023 Mayo Clinic  157 72 10 2 
Patient complained of ear ache
064 HMC  201 59 . . 
Patient left against medical advice
003 HMC  166 58 8 15 
Patient placed on beta-blockers on 7/1/2006
run;

基本上这是解析自动变量_INFILE_来读取每个变量。 “困难”部分是如何阅读诊所名称（因为它包含嵌入的空白）。如果诊所并不总是有那个双空白，您仍然可以通过substr、index 和/或scan 函数的其他操作来完成。如果是这样，我会留给你的。

此外，在创建新数据集时，请始终使用长度语句定义变量，以确保它们具有正确的长度，尤其是对于字符变量。

【讨论】：

哈，是的，我并不是说这在 SAS 中是不可能的，而是说我在没有帮助的情况下是不可能的。我知道这是可能的。无论如何，感谢您的帮助！直到当天晚些时候我才能再次查看该数据集，所以我会在下午尝试这个，如果有任何问题，请告诉您。

【参考方案2】：

您遇到的大多数问题都是由于您明确声明的长度。例如 Clinic 在初始输入语句中被定义为 $1 并且您不能在您尝试在第二个输入行中修改事实之后的长度。

这应该让你更接近你正在寻找的东西：

data ClinData(drop=s varlen);
  retain patno clinic weight hr dx sx; 

  input patno clinic $30. @;
    clinic=compress(clinic,,'ka');
    s=length(clinic)+4+2;
   input @s weight hr dx sx /@; 
     varlen=length(_infile_); 
    input  @1 exinfo $varying256. varlen;

datalines4;
001 Mayo Clinic  120 78 7 15 
Patient has had a persistent cough for 3 weeks
023 Mayo Clinic  157 72 10 2 
Patient complained of ear ache
064 HMC  201 59 . . 
Patient left against medical advice
003 HMC  166 58 8 15 
Patient placed on beta-blockers on 7/1/2006
;;;;
run; 
proc print data=ClinData; run;

【讨论】：

欢迎。我任意设置了诊所和 exinfo 字段的长度（分别为 30 美元和 256 美元）。您可能希望将它们调整为更小的长度，尤其是在文件相当大或经常构建的情况下，因为文件大小将代表分配的空间（30 和 256），即使该字段中包含的最长长度明显更小（即: 11 和 48)。

【参考方案3】：

您以奇怪的方式混合输入类型，导致您无法正确阅读。

您的诊所长度为 1，因为您将其作为一个字符输入，将其定义为 1。不要这样做 - 如果需要，请使用一次性变量 - 并将其长度定义为更长的值。

我推荐如下方法。使用 INFILE（在输入过程中创建的包含一行数据的自动变量）比尝试单独使用输入技术更容易。您的数据非常简单；如果它比你提供的更复杂（例如你有比这更多的诊所），正则表达式或其他逻辑可能会进一步帮助 - infile 将更容易解析。还有 ANYDIGIT 和 NODIGIT 等类似功能，加上 COMPRESS，可能会有所帮助。

data want;
length clinic $12;
input 
@1 patid 3. @;  *hold input so _infile_ exists and we can play with it.  Might as well read in patid here.;
array numvars weight hr dx sx; *we are going to read this in via array;
do _t = 4 to 1 by -1;  *we are going through the string in backwards order;
 numvars[_t] = scan(_infile_,(_t-5),' '); *(_t-5) is giving us 4 -> -1 3 -> -2 etc.- I include space explicitly here as I think period otherwise might count which is bad;
end;
clinic = scan(_infile_,2); *start out using the 2nd word;
if scan(_infile_,3) = 'Clinic' then clinic=catx(' ',clinic,scan(_infile_,3)); *then maybe add the third word.  Here you could also check if compress(scan(_infile_,3),,'ka') is not missing;
input;
input @1 exinfo $50.;
put _all_;
datalines;
001 Mayo Clinic  120 78 7 15 
Patient has had a persistent cough for 3 weeks
023 Mayo Clinic  157 72 10 2 
Patient complained of ear ache
064 HMC  201 59 . . 
Patient left against medical advice
003 HMC  166 58 8 15 
Patient placed on beta-blockers on 7/1/2006
;;;;
run;

【讨论】：

感谢您的帮助！我要等到下午晚些时候才能对此进行测试。如果我有任何问题，我会告诉你的。再次感谢！