【SAS Says】基础篇：读取数据（中）
特别说明：本节【SAS Says】基础篇：读取数据（上），用的是数说君学习《The little SAS book》时的中文笔记，我们认为这是打基础的最好选择。
复习：
前面三节
- 【SAS Says】基础篇：SAS软件入门（上）
- 【SAS Says】基础篇：SAS软件入门（下）
- 【SAS Says】基础篇：读取数据（上）
前面在“基础篇：读取数据（上）”中我们介绍了list input的数据读取方式，如果原始数据是用空格分隔的那么可以用这种读取方式，这种读取方式要求变量值不能包含空格，并且不能跳过某些值，只能用符号“.”来代表缺失。但是，当数据不是空格分隔的，或者没用用句号代替缺失值，或者变量值中肯定要包含空格时怎么办？比如有一个address变量，大家知道地址中很多都带有空格的，现在就有一个地址是“Columbia Peaches”，要怎么读取？别着急，本章中将介绍另外两种读取方式：column input和informats，以及如何同时利用这三种方式读取数据。
此外，本节还要介绍如何处理那些凌乱的数据，如数据中出现不需要的乱码如何不读取、如何读取某个特定字符后面的数据、如何让SAS遇到空格就停止读取等等。
本节目录：
读取数据（下）
2.6 column input读取按固定排列的原始数据
2.7 informats读取非标准格式的原始数据
2.8 用可选变量形式
2.9 混合读取方式
2.10 读取凌乱的原始数据
2.11 跨行观测值的读取方式
读取数据（中）
2.6 column input读取按固定列排列的原始数据
当一些原始数据的值之间没有空格分开，或者没用用句号代替缺失值时，list input就不能用。但当每个变量的值都出现在数据行的相同位置时，并且变量值是字符串或者标准数值（只包含数据、小数点、正负号、和科学标注的E。逗号和日期都不能算）时，可以使用column input来读取。
相比list input，column input有如下优势：
- 不要求变量值之间的空格；
- 缺失值可以直接用空格代替；
- 字符串中可以包含空格；
- 可以跳过不需要的变量。
调查数据使用column input，因为调查答案的记录都是用单个数字（0-9），如果每个答案之间再用空格分开，就会使整个文件会扩大两倍。有地址的数据文件也使用 column input，因为地址之中常常包含空格，比如街道Martin Luther King Jr.Boulevard在column input中就可以当成一个变量而不是五个。可能用column input读取的数据也可以用formattedinput读取或者几种方式组合。
Column input的input语句格式如下：input关键字后接变量名、再接变量的列位置（列位置是字符或者数值在一行中的位置）。字符串变量名后仍要用“空格+$”，变量名之间仍要用空格隔开。示例如下：
这个语句表明，Name变量，在行中占据第1列第10列，为字符串变量，age占据第11-13列，为数值变量，height占据第14-18列，数值变量。
例子 原始数据记录如下：
读取这个数据的column input程序如下：
第一个变量visitingteam占据第1-20列，为字符变量；concessionsales占据第21-24列，为数值变量，下面几个变量均占据固定的列。输出结果如下：
2.7 informats读取非标准格式的原始数据
有时候原始数据不全是字符串或者数值，比如类似1,00,001这样包括逗号的字符串值，电脑就不能读取，其他诸如包含美元符号、十六进制、压缩十进制的数据都是非标准数据。SAS中，informats可以用来告诉电脑如何读取这样的数值。
日期是最普通的非标准数据，SAS informats会把类似10-31-2003或者31OCT03转换成数字，日期的起点为1960年1月1日，即这一天的数字为0。
Informats的三种普遍格式为：字符串、数值、日期。这三种格式的形式如下：
$代表是字符串、informats代表形式（比如日期的MMDDYY）、w是宽度、d是小数点的位数、最后是句号“.”，缺少句号会使得SAS把形式（如MMDDYY）当做变量名。一个简单formatted input的简单INPUT语句如下：
Name为字符串变量，占据10个宽度，即列位置从1-10；age为数值变量，占据3个宽度，列位置从11到13；height也为数值变量，占据5个宽度，包括了1位小数点和小数点本身，列位置从14-18（如150.3）；最后是日期变量，从第19列开始，形式为MMDDYY。
例子 原始数据如下：
读取这个数据的informat程序如下：
年龄后面的+1代表跳过一列，即原始数据中年龄后面有一个空格。最后的5个变量score1-score5，都要求有同样的形式，4.1。将变量名和形式分别放在两个括号集中，可以一次性定义很多变量。输出结果如下：
2.8 可选择变量形式
一般使用的变量形式的定义，以及它们的宽度范围和默认宽度如下：
2.9 混合读取方式
每种数据读取方式都有其优势，list最简单，column和formatted虽然复杂但是不要求变量之间的空格，并且变量名中可以包含变量，而且formatted可以读取特殊的数据比如日期。SAS可以灵活的让你搭配不同的读取方式，以达到最大的方便。
例子如下的原始数据记录了美国国家公园的信息：姓名（name）、所属周（state）、建立时间（year established）、占地面积（size inacre）：
有多种方式进行数据读取，下面的程序是方式之一：
其中ParkName是column方式读取，State和Year是list方式读取，Acreage是formatted方式读取，输出结果如下所示：
混合读取方式有时会遇到问题：SAS通过一个指示器标注位置，来读取原始数据的一行，但每种读取方式对指示器的使用稍有不同。List方式下，SAS自动找到非空格区域并开始读取；column方式下，SAS读取你所指定的特定位置；informatted方式下，SAS不理会指示器的标准，只是依次的读取。这时，就会需要列指示器@n，来人为的让SAS的读取直接跳至某列。
在上面的程序中，列指示器@40告诉SAS在读取Acerage变量之前，移动到第40列去，如果移去指示器，程序为：
输出结果如下图所示：
之所以出现这样的结果，要看原始文件的列坐标排列：
Comma9告诉SAS读取9列，SAS就会读取包括空格在内的9列，这便会导致输出结果的问题。
2.10 读取凌乱的原始数据
有的数据排列混乱，长度不一。这样的数据需要新的工具处理：@’character’ 列指示器和colonmodifier。
@’character’列指示器 2.9中提到@column列指示器可以让SAS直接从某列开始读取数据。但有时候你不知道要读取的数据是从哪列开始，此时你只要知道要读取的数据的前面那个字符或单词即可。比如有一个关于狗的原始文件，你想要读取狗的品种号，但文件排列很凌乱，只知道品种号跟随在单词breed后面，那么可以用如下方式读取：
Input @’Breed:’ DogBreed $;
colonmodifier 由于input读取字符串变量默认为8个字符，因此在上例中如果狗的品种名（dogbreed）超过8个字符，则需要定义长度，定义为$length，在该长度中，空格也算在内。如果要使SAS读取过程中遇到空格则不再继续读取，则要在$length前面加冒号“:”。比如原始数据中有这么一行：
My dog Sam Breed:Rottweiler VetBills:$478
如果用上述不同方法读取，会有不同结果：
例子 web日志是凌乱数据的一个很好例子，下面是一个网站的web日志，数据开始于访问IP，后面有访问日期、访问文件名等信息。
现在想要读取访问日期和访问的文件名，但是它们每行中所占据的列的位置都不同，而且文件名的长度每行都不一样，那么SAS读取这种文件通过如下方式：
@’[’作为列指示器，告诉SAS读取[之后的内容，@’GET’告诉SAS读取GET之后的内容，由于文件名作为字符串变量，这里基本都会超过8个字节，因此后面附加:$20。输出结果如下：
2.11 跨行观测值的读取方式
一般原始文件中一行代表一个观测值，有时会出现一个观测值跨行的情况。由于SAS会自动转到下一行读取数据，直到读取这个观测的所有变量（input语句中给出），所以你需要告诉SAS什么时候不要换行，以便在日志中不出现SAS-went-to-a-new-line的暂停说明，此时需要在INPUT语句中加行指示器。
行指示器 斜线/：告诉SAS跳至原始数据的第二行；#n：跳至第n行，n代表原始数据中某观测值的行数（#2则让SAS跳至某观测值的第二行），#n不能用来回跳。
例子 有一组关于温度的数据，temperature.dat第一行代表城市和州，第二行代表本日最高温和最低温，第三行代表史上最高温和最低温。
用如下的程度来读取这份数据：
Input后面告诉SAS读取第一行的city变量和state变量，斜线/告诉SAS移动到下一行的第一列，以便读取normalhigh和normallow。#3告诉SAS移动到第三行的第一列以便继续读取观测值的recordhigh变量和recordlow变量。这里/可以用#2代替，也可以用/代替#3。
日志记录如下：
从日志中可以看出，虽然原始原件占了9行，但只有三个观测值。
输出结果如下：
