用SAS读入原始数据（1）：文本文件 的四种格式

文本文件多以.txt、.dat以及.csv为后缀（在Unix/Linux世界，还可能出现.data数据甚至没有后缀的情况）。一般分两种，其一看起来跟下面一样——如果用UltraEdit等编辑器打开，你能看到指示列数的标尺，而且每个字段的列数是固定的，称为字段固定(Fixed Fields)的文本文件：

2810 61 MOD  F
2804 38 HIGH F

下面的数据中，每个字段的列数不必相同，但都由同一样个的分隔符（这里是逗号）分开，所以称为分隔符固定(Delimited Data)或者自由格式(Free-format)的文件文件。如果分隔符为逗号（通常以.csv为后缀），干脆就叫做“用逗号分隔的文本文件”：

1-Mar-90,LON,198
13-Mar-90,FRA,2073

对以上两种文本格式的数据，SAS提供了以下四种基本的输入模式：

1. 列输入模式(Column) ——应用于字段固定的文本文件
2. 格式化输入模式(Formatted) ——应用于字段固定的文本文件
3. 列举输入模式(List) ——应用于分隔符固定的文本文件
4. 命名输入模式(Named)

对以上几种输入模式，基本的语句如下，区别就在于input语句的具体设定：

data 你对导入数据的命名;
    infile  源文件名,加上具体的盘符位置;
    input 变量输入设定；
run;

1.列输入模式(Column)--应用于字段固定的文本文件

对字段固定的源文件，input语句的形式是

input 变量名1<s>开始列数-结束列数 变量名2<s>开始列数-结束列数 …;

一个能工作的列输入模式语句看起来就像下面展示的：

data work.example1;
    infile 'C:/data/example1.dat'  firstobs=2 obs=100;
    input ID 1-3 Name $ 5-10;
run;

优点：

1. 对字段的选择非常灵活，可以任意选择字段，以及安排读入的次序；
2. 整个字段或其部分可以重复读入；
3. 字段间不一定要有空格或者其他分隔符来分隔；
4. 字符变量最多可含32K个字符，并可以包含空格符；
5. 对缺失数据没有特殊占位符的要求。一个空格字段就读为一个缺失值，也不会引起其他字段读入的错误。

局限：

1. 可以设定输入长度，但不可以设定输入格式。对数值型变量，只能读入标准数据值(Standard Numeric Data Value)，即只包括数字、正负号、小数点和科学计数符号E构成的数，对日期型数据，以及包含美元符号、逗号等其他符号的数值，因为需要设定输入格式并 按格式读入，列输入模式就无法正确读取。

2.格式化输入模式(Formatted)--应用于字段固定的文本文件

格式化输入模式类似于列模式：

1. 它适用于字段固定格式的数据文件；
2. 它也给出字段开始的列数，但不直接给出结束列数，而是通过输入格式给出读入长度；
3. 它可以设定输入格式。

它的input语句的格式为：

input <指针控制> 变量名 输入格式 …;

注1：指针控制，就是将输入列指针控制在某个位置，作为读入字段的开始列号，它有 @n 或者 +n 的形式：

• @n表示从第n列开始读入（指示开始列数的绝对位置）；
• +n表示将列控制指针增加n列侯读入（指示相对位置）。

一个能工作的格式化输入模式语句看起来就像下面展示的：

data work.example2;
    infile 'C:/data/example2.dat';
    input Name $ 2. @3 Job $5. +7 Place $8.;
run;

3.列举输入模式(List)--应用于分隔符固定的文本文件

因为分隔符固定的数据可以用分隔符来确定字段，input语句特别简单：

input 变量名<s>…;

如果要读入非空格分隔符的数据，就需要在infile语句中指明（默认为空格）：

infile 文件盘符 <dlm="分隔符">;

在列举模式下，变量长度的缺省值为8，长度超过8的字符变量在读入时会被截断，这时可以用lenght语句来设定长度：

length 变量名<s> 长度;

列举模式也可以设定输入格式，这只需要在输入变量设定时附加上相关修饰：

input 变量名<s>: 输入格式 …;

一个能工作的列举输入模式语句看起来就像下面展示的：

data work.example3;
    infile 'C:/data/example3.dat' dlm=',';
    length item $ 10.;
    input ID Name $ item $   income:comma9.;
run;

4.命名输入模式(Named)

命名输入模式很少见到，因为很难得见到这种格式的原数据，其中三个变量是ID、Name和Score：

1 Name=Tom Score=A
2 Name=Jim  Score=C

相应的input语句为:

input  ID Name=$3. Score=$1.